MétaCan
Menu
Retour à la cohorte
Enregistrement W3001163389 · doi:10.1534/g3.119.400898

Interactively AUDIT Your Growth Curves with a Suite of R Packages

2020· article· en· W3001163389 sur OpenAlexaff
Nicolas Coutin, Guri Giaever, Corey Nislow

Notice bibliographique

RevueG3 Genes Genomes Genetics · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Metabolic Engineering and Bioproduction
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésUSableSuiteAuditComputer scienceScale (ratio)Data scienceComputer graphics (images)Engineering drawingIndustrial engineeringEngineeringMultimediaGeographyAccountingCartography

Résumé

récupéré en direct d'OpenAlex

Bottlenecks often occur during data analysis when studying microbial growth in liquid culture at large scale. A researcher can collect thousands of growth curves, repeated measures of a microbial liquid culture, at once in multiple micro titer plates by purpose-built robotic instruments. However, it can be difficult and time-consuming to inspect and analyze these data. This is especially true for researchers without programming experience. To enable this researcher, we created and describe an interactive application: Automated Usher for Data Inspection and Tidying (AUDIT). It allows the user to analyze growth curve data generated from one or more runs each with one or more micro titer plates alongside their experimental design. AUDIT covers input, pre-processing, summarizing, visual exploration and output. Compared to previously available tools AUDIT handles more data, provides live previews and is built from individually re-usable pieces distributed as R packages.

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 enseignants0,239
Score d'incertitude au seuil0,696

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 recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,222
Écart entre enseignants0,209 · 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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueG3 Genes Genomes GeneticsMême sujetMicrobial Metabolic Engineering and BioproductionTravaux en français237 207