MétaCan
Menu
Retour à la cohorte
Enregistrement W4307568971 · doi:10.1016/j.mcpro.2022.100436

The Second Asia-Oceania Human Proteome Organization (AOHUPO) Online Education Series on the Renaissance of Clinical Proteomics: Biomarkers, Imaging and Therapeutics

2022· article· en· W4307568971 sur OpenAlexfundno aff
Teck Yew Low, Yu‐Ju Chen, Yasushi Ishihama, M.C.M. Chung, Stuart J. Cordwell, Terence Chuen Wai Poon, Ho Jeong Kwon

Notice bibliographique

RevueMolecular & Cellular Proteomics · 2022
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesYonsei UniversityMinistry of Science, ICT and Future PlanningNational Research FoundationNational Research Foundation of KoreaSCIEX
Mots-clésThe RenaissanceEvent (particle physics)ProteomeTheme (computing)Kuala lumpurProteomicsLibrary scienceMedical educationPolitical scienceMedicineHistoryComputer scienceBioinformaticsBiologyWorld Wide WebArt historyGeneticsBusiness

Résumé

récupéré en direct d'OpenAlex

In 2021, the Asia-Oceania Human Proteome Organization (AOHUPO) initiated a new endeavor named the AOHUPO Online Education Series with the aim to promote scientific education and collaboration, exchange of ideas and culture among the young scientists in the AO region. Following the warm participation, the AOHUPO organized the second series in 2022, with the theme "The Renaissance of Clinical Proteomics: Biomarkers, Imaging and Therapeutics". This time, the second AOHUPO Online Education Series was hosted by the UKM Medical Molecular Biology Institute (UMBI) affiliated to the National University of Malaysia (UKM) in Kuala Lumpur, Malaysia on three consecutive Fridays (11th, 18th and 25th of March). More than 300 participants coming from 29 countries/regions registered for this 3-days event. This event provided an amalgamation of six prominent speakers and all participants whose interests lay mainly in applying MS-based and non-MS-based proteomics for clinical investigation.

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 enseignants

Ni 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,022
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,014
Tête enseignante GPT0,288
Écart entre enseignants0,274 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular & Cellular ProteomicsMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207