MétaCan
Menu
Retour à la cohorte
Enregistrement W2906978943 · doi:10.1074/mcp.e118.001286

Initial Guidelines for Manuscripts Employing Data-independent Acquisition Mass Spectrometry for Proteomic Analysis

2019· editorial· en· W2906978943 sur OpenAlexafffund
Robert J. Chalkley, Michael J. MacCoss, Jacob D. Jaffe, Hannes Röst

Notice bibliographique

RevueMolecular & Cellular Proteomics · 2019
Typeeditorial
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of California, San FranciscoUniversity of TorontoUniversity of California, San DiegoBuck Institute for Research on AgingBroad InstituteUniversity of Washington
Mots-clésMass spectrometryAnalyteProteomicsTandem mass spectrometryChemistryQuantitative proteomicsShotgun proteomicsFragmentation (computing)PeptideChromatographyComputational biologyComputer scienceAnalytical Chemistry (journal)BiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Proteomic research began largely as an approach for characterizing sample compositions, but most contemporary studies involve a quantitative aspect. Quantification enables comparing sample classes (e.g. healthy versus disease) to uncover markers of dysregulation, or comparing protein pull-down experiments to mock pull-downs to determine specific interaction partners. For small-scale comparisons, isotopic labeling, whether introduced metabolically or chemically, is very effective and allows comparison of multiple samples mixed together.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,076
score de la tête « metaresearch » (Gemma)0,270
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,609

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0760,270
Méta-épidémiologie (sens strict)0,0030,004
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0170,015
Études des sciences et des technologies0,0060,004
Communication savante0,0190,013
Science ouverte0,0070,009
Intégrité de la recherche0,0130,009
Charge utile insuffisante (le modèle a refusé de juger)0,1820,298

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 Opus0,048
Tête enseignante GPT0,355
Écart entre enseignants0,307 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomainePrésentation des résultats
GenreÉditorial

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

En bref

Citations12
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular & Cellular ProteomicsMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207