Establishing a framework for best practices for quality assurance and quality control in untargeted metabolomics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Quality assurance (QA) and quality control (QC) practices are key tenets that facilitate study and data quality across all applications of untargeted metabolomics. These important practices will strengthen this field and accelerate its success. The Best Practices Working Group (WG) within the Metabolomics Quality Assurance and Quality Control Consortium (mQACC) focuses on community use of QA/QC practices and protocols and aims to identify, catalogue, harmonize, and disseminate current best practices in untargeted metabolomics through community-driven activities. AIM OF REVIEW: A present goal of the Best Practices WG is to develop a working strategy, or roadmap, that guides the actions of practitioners and progress in the field. The framework in which mQACC operates promotes the harmonization and dissemination of current best QA/QC practice guidance and encourages widespread adoption of these essential QA/QC activities for liquid chromatography-mass spectrometry. KEY SCIENTIFIC CONCEPTS OF REVIEW: Community engagement and QA/QC information gathering activities have been occurring through conference workshops, virtual and in-person interactive forum discussions, and community surveys. Seven principal QC stages prioritized by internal discussions of the Best Practices WG have received participant input, feedback and discussion. We outline these stages, each involving a multitude of activities, as the framework for identifying QA/QC best practices. The ultimate planned product of these endeavors is a "living guidance" document of current QA/QC best practices for untargeted metabolomics that will grow and change with the evolution of the field.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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