MétaCan
Menu
Retour à la cohorte
Enregistrement W4367157467 · doi:10.1021/cen-10001-feature1

Mining proteins for crime scene clues

2022· article· en· W4367157467 sur OpenAlexaboutno aff
special to C EN Carolyn Wilke

Notice bibliographique

RevueC&EN Global Enterprise · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVenomous Animal Envenomation and Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésToddlerCoronerCriminologyHistoryGenealogyPsychologyMedicinePoison controlMedical emergencySuicide prevention

Résumé

récupéré en direct d'OpenAlex

In May 2014, 2-year-old Aleka Gonzales of North Vancouver, British Columbia, died under mysterious circumstances. She had been with a babysitter the day before, and bruising on her body led the coroner to think initially that the toddler had been beaten. But the uniformity of Gonzales’s injuries hinted at a different cause: the babysitter kept exotic pets, and bites from venomous animals can turn skin black and blue. Unable to search the babysitter’s home, police requested help from the local scientific community to identify potential toxins in blood and urine samples collected from the child’s body. Leonard J. Foster, a biochemist at the University of British Columbia, answered the call. He set about analyzing all the proteins in the samples, aiming to capture any peptide or protein toxins present. With information from the police investigators, Foster’s team started to focus its search on snake venom. After removing some of the

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,618
Score d'incertitude au seuil0,447

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,270
Écart entre enseignants0,260 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueC&EN Global EnterpriseMême sujetVenomous Animal Envenomation and StudiesTravaux en français237 207