MétaCan
Menu
Retour à la cohorte
Enregistrement W4327654335 · doi:10.1039/d2md00441k

Target 2035 – an update on private sector contributions

2023· editorial· en· W4327654335 sur OpenAlexafffund
Suzanne Ackloo, Albert A. Antolín, José M. Bartolomé, Hartmut Beck, Alex N. Bullock, Ulrich A. K. Betz, Jark Böttcher, Peter J. Brown, Menorca Chaturvedi, Alisa Crisp, Danette L. Daniels, Jan Dreher, Kristina Edfeldt, A.M. Edwards, Ursula Egner, Jonathan M. Elkins, Christian Fischer, Tine Glendorf, Steven D. Goldberg, Ingo V. Hartung, Alexander Hillisch, Evert Homan, Stefan Knapp, Markus Köster, Oliver Krämer, Josep Llaveria, Uta Lessel, S. Lindemann, Lars Linderoth, Hisanori Matsui, Maurice Michel, Florian Montel, Anke Mueller‐Fahrnow, Susanne Müller, Dafydd R. Owen, Kumar Singh Saikatendu, Vijayaratnam Santhakumar, Wendy E. Sanderson, Cora Scholten, Matthieu Schapira, Sujata Sharma, Brock T. Shireman, M. Sundström, Matthew H. Todd, Claudia Tredup, Jennifer D. Venable, Timothy M. Willson, C.H. Arrowsmith

Notice bibliographique

RevueRSC Medicinal Chemistry · 2023
Typeeditorial
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensPrincess Margaret Cancer CentreStructural Genomics ConsortiumUniversity of Toronto
Organismes subventionnairesEshelman Institute for Innovation, University of North Carolina at Chapel HillPharmaceuticals BayerHorizon 2020 Framework ProgrammeGenentechInnovative Medicines InitiativeOntario Institute for Cancer ResearchEuropean CommissionEMD SeronoKungliga Tekniska HögskolanCanada Foundation for InnovationOntario Genomics InstituteTakeda Pharmaceutical CompanyEuropean Federation of Pharmaceutical Industries and AssociationsMerck KGaAJanssen Research and DevelopmentOntario GenomicsGenome CanadaDiamond Light SourceBoehringer IngelheimMcGill UniversityPfizer
Mots-clésPrivate sectorPublic sectorPolitical scienceBusiness

Résumé

récupéré en direct d'OpenAlex

Target 2035, an international federation of biomedical scientists from the public and private sectors, is leveraging 'open' principles to develop a pharmacological tool for every human protein. These tools are important reagents for scientists studying human health and disease and will facilitate the development of new medicines. It is therefore not surprising that pharmaceutical companies are joining Target 2035, contributing both knowledge and reagents to study novel proteins. Here, we present a brief progress update on Target 2035 and highlight some of industry's contributions.

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)0,012
score de la tête « metaresearch » (Gemma)0,032
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: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,032
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0020,002
Communication savante0,0070,006
Science ouverte0,0030,002
Intégrité de la recherche0,0100,019
Charge utile insuffisante (le modèle a refusé de juger)0,0120,011

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 Opus0,015
Tête enseignante GPT0,322
Écart entre enseignants0,307 · 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
GenreÉditorial

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

En bref

Citations19
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRSC Medicinal ChemistryMême sujetComputational Drug Discovery MethodsTravaux en français237 207