ModelMatcher: A scientist-centric online platform to facilitate collaborations between stakeholders of rare and undiagnosed disease research
Notice bibliographique
Résumé
Abstract Next-generation sequencing is a prevalent diagnostic tool for undiagnosed diseases, and has played a significant role in rare disease gene discovery. While this technology resolves some cases, others are given a list of possibly damaging genetic variants necessitating functional studies. Productive collaborations between scientists, clinicians, and patients can help resolve such medical mysteries, and provide insights into in vivo function of human genes. Furthermore, facilitating interactions between scientists and research funders, including non-profit organizations or commercial entities, can dramatically reduce the time to translate discoveries from bench to bedside. Several systems designed to connect clinicians and researchers with a shared gene of interest have been successful. However, these platforms exclude some stakeholders based on their role or geography. Here we describe ModelMatcher, a global online matchmaking tool designed to facilitate cross-disciplinary collaborations, especially between scientists and other stakeholders of rare and undiagnosed disease research. ModelMatcher is integrated into the Rare Diseases Models and Mechanisms Network and Matchmaker Exchange, allowing users to identify potential collaborators in other registries. This living database decreases the time from when a scientist or clinician is making discoveries regarding their genes of interest, to when they identify collaborators and sponsors to facilitate translational and therapeutic research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,012 |
| Science ouverte | 0,004 | 0,018 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,017 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».