MétaCan
Menu
Retour à la cohorte
Enregistrement W4384934583 · doi:10.1101/2023.07.19.549613

The International Weed Genomics Consortium: Community Resources for Weed Genomics Research

2023· preprint· en· W4384934583 sur OpenAlexaff
Jacob S. Montgomery, Sarah Morran, Dana R. MacGregor, J. Scott McElroy, Paul Neve, Célia Neto, Martín M. Vila‐Aiub, Maria Victoria Sandoval, Analía I. Menéndez, Julia M. Kreiner, Longjiang Fan, Ana L. Caicedo, Peter J. Maughan, Bianca Assis Barbosa Martins, Jagoda Mika, Alberto Collavo, Aldo Merotto, Nithya Subramanian, Muthukumar Bagavathiannan, Luan Cutti, Md Mazharul Islam, Bikram S. Gill, Robert M. Cicchillo, Roger E. Gast, Neeta Soni, Terry R. Wright, Gina Zastrow‐Hayes, Gregory D. May, Jenna Malone, Deepmala Sehgal, Shiv Shankhar Kaundun, Richard P. Dale, Juan Vorster, B. Peters, Jens Lerchl, Patrick J. Tranel, Roland Beffa, Alexandre Fournier‐Level, Mithila Jugulam, Kevin Fengler, Víctor Llaca, Eric L. Patterson, Todd A. Gaines

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2023
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilCorteva AgriscienceNational Institute of Food and AgricultureFoundation for Food and Agriculture ResearchBayerU.S. Department of Agriculture
Mots-clésWeedGenomicsAgricultureWeed controlSelection (genetic algorithm)BiotechnologyAgroforestryBusinessEnvironmental resource managementBiologyComputer scienceEcologyGenomeEnvironmental scienceGene

Résumé

récupéré en direct d'OpenAlex

Abstract The International Weed Genomics Consortium is a collaborative group of researchers focused on developing genomic resources for the study of weedy plants. Weeds are attractive systems for basic and applied research due to their impacts on agricultural systems and capacity to swiftly adapt in response to anthropogenic selection pressures. Our goal is to use genomic information to develop sustainable and effective weed control methods and to provide insights about biotic and abiotic stress tolerance to assist crop breeding. Here, we outline resources under development by the consortium and highlight areas of research that will be impacted by these enabling resources.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0030,001
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 Opus0,076
Tête enseignante GPT0,280
Écart entre enseignants0,204 · 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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetWeed Control and Herbicide ApplicationsTravaux en français237 207