MétaCan
Menu
Retour à la cohorte
Enregistrement W4390659886 · doi:10.1371/journal.pcbi.1011749

MEDUSA: A cloud-based tool for the analysis of X-ray diffuse scattering to obtain the bending modulus from oriented membrane stacks

2024· article· en· W4390659886 sur OpenAlexafffund
Sebastian Himbert, Dorian Gaboo, Emre Brookes, John F. Nagle, Maikel C. Rheinstädter

Notice bibliographique

RevuePLoS Computational Biology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid Membrane Structure and Behavior
Établissements canadiensMcMaster University
Organismes subventionnairesDivision of ChemistryOffice of Advanced CyberinfrastructureNational Institute of General Medical SciencesEngineering and Physical Sciences Research CouncilMcMaster UniversityNational Institute of Standards and TechnologyOntario Ministry of Research and InnovationOntario Ministry of Economic Development and InnovationNIST Center for Neutron ResearchCanada Foundation for InnovationNatural Sciences and Engineering Research Council of CanadaMinistero dello Sviluppo EconomicoNational Institutes of HealthNational Science Foundation
Mots-clésBendingBackground subtractionScatteringModulusBulk modulusMaterials scienceElastic modulusDistortion (music)Cloud computingFlexural modulusOpticsComputer sciencePhysicsComposite materialFlexural strengthOptoelectronics

Résumé

récupéré en direct d'OpenAlex

An important mechanical property of cells is their membrane bending modulus, κ. Here, we introduce MEDUSA (MEmbrane DiffUse Scattering Analysis), a cloud-based analysis tool to determine the bending modulus, κ, from the analysis of X-ray diffuse scattering. MEDUSA uses GPU (graphics processing unit) accelerated hardware and a parallelized algorithm to run the calculations efficiently in a few seconds. MEDUSA's graphical user interface allows the user to upload 2-dimensional data collected from different sources, perform background subtraction and distortion corrections, select regions of interest, run the fitting procedure and output the fitted parameters, the membranes' bending modulus κ, and compressional modulus B.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0040,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0290,009

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 GPT0,279
Écart entre enseignants0,264 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS Computational BiologyMême sujetLipid Membrane Structure and BehaviorTravaux en français237 207