MétaCan
Menu
← Retour à la cohorte
Enregistrement W4254546862 · doi:10.7287/peerj.5364v0.2/reviews/1

Peer Review #1 of "Denoising the Denoisers: an independent evaluation of microbiome sequence error-correction approaches (v0.2)"

2018· peer-review· en· W4254546862 sur OpenAlexaff
Jacob T. Nearing, Gavin M. Douglas, A. Comeau, Langille Corresp, Morgan G. I. Langille

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésSequence (biology)Computer scienceNoise reductionMicrobiomeComputational biologyArtificial intelligenceAlgorithmPattern recognition (psychology)BiologyBioinformaticsGenetics

Résumé

récupéré en direct d'OpenAlex

resulting alpha-diversity metrics varies considerably and should be considered when attempting to identify rare organisms from possible background noise.

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)0,034
score de la tête « metaresearch » (Gemma)0,197
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil0,923

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,197
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0070,005
Études des sciences et des technologies0,0070,003
Communication savante0,0160,007
Science ouverte0,0070,012
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,3530,272

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 Opus0,192
Tête enseignante GPT0,402
Écart entre enseignants0,210 · 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
DomaineÉvaluation
GenreAutre

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

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGut microbiota and health→Travaux en français237 207→