MétaCan
Menu
Retour à la cohorte
Enregistrement W4301366341 · doi:10.1016/j.xpro.2022.101748

Assessment of protein inclusions in cultured cells using automated image analysis

2022· article· en· W4301366341 sur OpenAlexafffund
Luke McAlary, Victoria K. Shephard, Mine Sher, Lauren Rice, Justin J. Yerbury, Neil R. Cashman, Steven S. Plotkin

Notice bibliographique

RevueSTAR Protocols · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCell Image Analysis Techniques
Établissements canadiensGenome British ColumbiaUniversity of British Columbia
Organismes subventionnairesNational Health and Medical Research CouncilIllawarra Health and Medical Research InstituteAlberta InnovatesUniversity of British ColumbiaUniversity of WollongongFightMNDMotor Neurone Disease Research AustraliaMotor Neurone Disease AustraliaCanadian Institutes of Health ResearchMotor Neurone Disease Research Institute of Australia
Mots-clésProtocol (science)MicroscopyFluorescence microscopeComputer scienceComputational biologyScalabilityArtificial intelligenceChemistryBiological systemBiologyFluorescencePathologyDatabaseMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

Proteinaceous inclusions are associated with neurodegenerative diseases and cell models are often used to determine genetic and chemical modifiers of their formation. This protocol involves the usage of automated microscopy and machine learning-based image analysis to accurately quantify the levels of protein inclusion formation in cultured cells from fluorescence microscopy images. This protocol is highly scalable and can be applied to a few images or large datasets. For complete details on the use and execution of this protocol, please refer to McAlary et al. (2022).

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,006

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 Opus0,012
Tête enseignante GPT0,362
Écart entre enseignants0,350 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSTAR ProtocolsMême sujetCell Image Analysis TechniquesTravaux en français237 207