MétaCan
Menu
Retour à la cohorte
Enregistrement W3134272703 · doi:10.1101/2021.03.04.433888

TRAIT2D: a Software for Quantitative Analysis of Single Particle Diffusion Data

2021· preprint· en· W3134272703 sur OpenAlexafffund
Francesco Reina, John M.A. Wigg, Mariia Dmitrieva, Joёl Lefebvre, Jens Rittscher, Christian Eggeling

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueProbabilistic and Robust Engineering Design
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilMedical Research CouncilEngineering and Physical Sciences Research CouncilFonds de recherche du Québec – Nature et technologiesDeutsche ForschungsgemeinschaftInternational Seafood Sustainability FoundationWellcome Trust
Mots-clésPython (programming language)Computer scienceSoftwareGraphical user interfaceTracking (education)Computer graphics (images)Software engineeringOperating system

Résumé

récupéré en direct d'OpenAlex

Summary Single Particle Tracking (SPT) is one of the most widespread techniques to evaluate particle mobility in a variety of situations, such as in cellular and model membrane dynamics. The proposed TRAIT2D Python library is developed to provide object tracking, trajectory analysis and produce simulated datasets with graphical user interface. The tool allows advanced users to customise the analysis to their requirements. Availability and implementation: the software has been coded in Python, and can be accessed from: https://github.com/Eggeling-Lab-Microscope-Software/TRAIT2D , or the pypi and condaforge repositories. A comprehensive user guide is provided at https://eggeling-lab-microscope-software.github.io/TRAIT2D/ .

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)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0030,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0500,024

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 Opus0,137
Tête enseignante GPT0,324
Écart entre enseignants0,187 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreLogiciel

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

En bref

Citations6
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetProbabilistic and Robust Engineering DesignTravaux en français237 207