A system for exact and approximate genetic linkage analysis of SNP data in large pedigrees
Notice bibliographique
Résumé
Vol. 29, No. 2, 2013, pp. 197–205 doi:10.1093/bioinformatics/bts658 The publishers regret that the author affiliations for this paper should appear as follows: Mark Silberstein1,2, Omer Weissbrod1,*, Lars Otten3, Anna Tzemach1, Andrei Anisenia1,4, Oren Shtark1, Dvir Tuberg1, Eddie Galfrin1, Irena Gannon1, Adel Shalata5,6,7, Zvi U. Borochowitz5,8, Rina Dechter3, Elizabeth Thompson9 and Dan Geiger1 1Department of Computer Science, Technion-Israel Institute of Technology, Haifa, Israel, 2Department of Computer Science, University of Texas at Austin, Austin, TX, USA, 3Donald Bren School of Information and Computer Sciences, UC Irvine, CA, USA, 4Department of Computer Science, University of Ottawa, Ottawa, Canada, 5The Simon Winter Institute for Human Genetics, Bnai-Zion Medical Center, Haifa, Israel, 6Research and Development Center, The Galilee Society, Shefa-Amr, Israel, 7Holy Family Hospital, Nazareth, Israel, 8The Rappaport Faculty of Medicine and Research Institute, Technion-Israel Institute of Technology, Haifa, Israel and 9Department of Statistics, University of Washington, Seattle, WA, USA
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».