MétaCan
Menu
Retour à la cohorte
Enregistrement W2896443010 · doi:10.1038/nbt.4263

Opening options for material transfer

2018· article· en· W2896443010 sur OpenAlexfundno aff
Linda J. Kahl, Jenny Molloy, Nicola J. Patron, Colette Matthewman, Jim Haseloff, David Singh Grewal, Richard A. Johnson, Drew Endy

Notice bibliographique

RevueNature Biotechnology · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research CouncilNational Institute of Standards and TechnologyNational Institutes of HealthConsortium of International Agricultural Research CentersPontificia Universidad Católica de ChileKing Mongkut's University of Technology ThonburiUniversiteit GentJohn Innes FoundationQueensland University of TechnologyWoodrow Wilson International Center for ScholarsUniversity of Technology SydneyUniversity College CorkUniversity of TasmaniaCardiff UniversityVanderbilt UniversityLondon School of Economics and Political ScienceBiotechnology and Biological Sciences Research CouncilWorld Health OrganizationWellcome TrustCalifornia Institute of TechnologyKent State UniversityUniversity of DenverSidra MedicineLeona M. and Harry B. Helmsley Charitable TrustGenome Center, University of California, DavisUniversity of California, DavisU.S. Department of EnergySimon Fraser UniversityKing's College LondonUniversity of CreteYale UniversityBill and Melinda Gates FoundationDirectorate for Biological SciencesImperial College LondonPrinceton UniversityMcGill UniversityU.S. Department of CommerceU.S. Department of Health and Human Services
Mots-clésTechnology transferGene transferBiochemical engineeringNanotechnologyBusinessMaterials scienceComputer scienceKnowledge managementChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

The Open Material Transfer Agreement is a material-transfer agreement that enables broader sharing and use of biological materials by biotechnology practitioners working within the practical realities of technology transfer.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,279
Score d'incertitude au seuil0,720

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,005
Tête enseignante GPT0,299
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations67
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature BiotechnologyMême sujetCRISPR and Genetic EngineeringTravaux en français237 207