A roadmap for fair reuse of public microbiome data
Notice bibliographique
Résumé
Science benefits from rapid, open data sharing but samples for sequencing data are expensive for data creators to acquire and process. Current guidelines for data reuse were established two decades ago, when databases were several million times smaller, necessitating an update. This article presents a roadmap to establish best practices for sequence data reuse, developed in consultation with a data consortium of 167 microbiome scientists. It introduces a Data Reuse Information tag (DRI) for public sequencing data, which will be associated with at least one Open Researcher and Contributor ID (ORCID) account. The machine-readable DRI tag indicates that the data creators prefer to be contacted prior to data reuse, and simultaneously provides data consumers with a mechanism to get in touch with the data creators. Ideally, the DRI will facilitate and foster collaborations, and serve as a guideline that can be expanded to other data types.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,567 | 0,594 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,009 | 0,024 |
| Communication savante | 0,038 | 0,071 |
| Science ouverte | 0,014 | 0,054 |
| Intégrité de la recherche | 0,025 | 0,039 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,021 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».