MétaCan
Menu
Retour à la cohorte
Enregistrement W4393527015 · doi:10.5281/zenodo.5903190

Raw CyTOF images associated with Moldoveanu et al. 2022, Science Immunology

2022· dataset· en· W4393527015 sur OpenAlexaff
Dan Moldoveanu, LeeAnn Ramsay, Mathieu Lajoie, Luke Anderson-Trocmé, Marine Lingrand, Diana Berry, Lucas J. M. Perus, Yuhong Wei, Cleber Moraes, Rached Alkallas, Shivshankari Rajkumar, Dongmei Zuo, Matthew Dankner, H. Eric Xu, Nicholas Bertos, Hamed S. Najafabadi, Simon Gravel, Santiago Costantino, Martin J. Richer, Amanda W. Lund, Sonia V. del Rincón, Alan Spatz, Wilson H. Miller, Rahima Jamal, Réjean Lapointe, Anne‐Marie Mes‐Masson, Simon Turcotte, Kevin Petrecca, Sinziana Dumitra, Ari N. Meguerditchian, Keith Richardson, Francine Tremblay, Béatrice Wang, May Chergui, Marie‐Christine Guiot, Kevin Watters, John Stagg, Daniela F. Quail, Catalin Mihalcioiu, Sarkis Meterissian, Ian R. Watson

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Research and Treatments
Établissements canadiensMontreal Neurological Institute and HospitalCentre Hospitalier de l’Université de MontréalMcGill UniversityJewish General HospitalMcGill University and Génome Québec Innovation CentreHôpital Maisonneuve-RosemontMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésImmunologyBiologyComputational biology

Résumé

récupéré en direct d'OpenAlex

This dataset contains the raw CyTOF images associated with the paper "An In-depth Map of the Melanoma Immune Microenvironment and Correlates of Immunotherapy Response by Imaging Mass Cytometry" (Moldoveanu et al. 2022). The MCD files output by CyTOF IMC were exported to one TIFF per channel per sample. This dataset contains one directory per sample (see Supplementary Table S1 for additional information). Each directory contains 46 TIFF images, which includes the 35 channels used in our study, 1 TIFF of the cell segmentation mask, and 10 TIFFs associated with background or unused channels.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0020,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0300,001

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 GPT0,266
Écart entre enseignants0,251 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetCancer Research and TreatmentsTravaux en français237 207