← Retour à la cohorte
Enhancing untargeted metabolomics using metadata-based source annotation
Julia M. Gauglitz, Kiana West, Wout Bittremieux, Candace L. Williams, Kelly C. Weldon, Morgan Panitchpakdi, Francesca Di Ottavio, Christine M. Aceves, Elizabeth A. R. Brown, Nicole Sikora, Alan K. Jarmusch, Cameron Martino, Anupriya Tripathi, Michael J. Meehan, Kathleen Dorrestein, Justin P. Shaffer, Roxana Coras, Fernando Vargas, Lindsay DeRight Goldasich, Tara Schwartz, MacKenzie Bryant, Gregory Humphrey, Abigail J. Johnson, Katharina Spengler, Pedro Belda‐Ferre, Edgar Diaz, Daniel McDonald, Qiyun Zhu, Emmanuel O. Elijah, Mingxun Wang, Clarisse Marotz, Kate E. Sprecher, Daniela Vargas-Robles, Dana Withrow, Gail Ackermann, Lourdes Herrera, B.J. Bradford, Lucas Maciel Mauriz Marques, Juliano Geraldo Amaral, Rodrigo Moreira da Silva, Flávio P. Veras, Thiago M. Cunha, Renê Donizeti Ribeiro de Oliveira, Paulo Louzada‐Júnior, Robert H. Mills, Paulina K. Piotrowski, Stephanie L. Servetas, Sandra M. Da Silva, Christina M. Jones, Nancy J. Lin, Katrice A. Lippa, Scott A. Jackson, Rima Kaddurah Daouk, Douglas Galasko, Parambir S. Dulai, Tatyana Kalashnikova, Curt Wittenberg, Robert Terkeltaub, Megan M. Doty, Jae Kim, Kyung E. Rhee, Julia Beauchamp‐Walters, Kenneth P. Wright, Maria Gloria Domínguez-Bello, Mark Manary, Michelli F. Oliveira, Brigid S. Boland, Norberto Peporine Lopes, Mónica Gumá, Austin D. Swafford, Rachel J. Dutton, Rob Knight, Pieter C. Dorrestein
Notice bibliographique
RevueNature Biotechnology · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute on Minority Health and Health DisparitiesNational Institute of Child Health and Human DevelopmentNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Center for Complementary and Integrative HealthNational Institute on AgingMultidisciplinary University Research InitiativeUniversity of California, San DiegoNational Institutes of HealthIXICOMedelaNational Institute of General Medical SciencesH. Lundbeck A/SNational Institute of Food and AgricultureSwedish Orphan BiovitrumGenentechVlaamse regeringServierGeorgia Clinical and Translational Science AllianceEisaiConselho Nacional de Desenvolvimento Científico e TecnológicoCanadian Institutes of Health ResearchFonds Wetenschappelijk OnderzoekFundação de Amparo à Pesquisa do Estado de São PauloU.S. Department of Health and Human ServicesDeutscher Akademischer AustauschdienstDanone Nutricia ResearchNational Institute of Standards and TechnologyNorthern California Institute for Research and EducationDanoneUniversity of Southern CaliforniaPfizerBioClinicaBiogenOffice of Naval ResearchU.S. Department of AgricultureNational Heart, Lung, and Blood InstituteNovartis Pharmaceuticals CorporationInstitute for the Advancement of Food and Nutrition SciencesEli Lilly and CompanyBristol-Myers SquibbNational Center for Advancing Translational SciencesMeso Scale DiagnosticsAlzheimer's AssociationFoundation for the National Institutes of Health
Mots-clésAnnotationMetabolomicsMetadataComputational biologyComputer scienceInformation retrievalWorld Wide WebBiologyBioinformaticsArtificial intelligence
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
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.
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 enseignants0,330
Score d'incertitude au seuil0,947
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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.
Tête enseignante Opus0,007
Tête enseignante GPT0,247
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
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
Citations77
Publié2022
Routes d'admission1
Résumé présentnon