MarkerDB 2.0: a comprehensive molecular biomarker database for 2025
Notice bibliographique
Résumé
MarkerDB (https://markerdb.ca) has become a leading resource for comprehensive information on molecular biomarkers. Over the past 3 years, the database has evolved significantly, reflecting the dynamic landscape of biomarker research and increasing demands from its user community. This year's update, which is called MarkerDB 2.0, introduces key improvements to enhance the database's usability, consistency and the range of biomarkers covered. These improvements include (i) the addition of thousands of new biomarkers and associated health conditions, (ii) the inclusion of many new biomarker types and categories, (iii) upgraded searches and data filtering functionalities, (iv) new features for exploring and understanding biomarker panels and (v) significantly expanded and improved descriptions. These upgrades, along with numerous minor improvements in content, interface, layout and overall website performance, have greatly enhanced MarkerDB's usability and capacity to facilitate biomarker interpretation across various research domains. MarkerDB remains committed to providing a free, publicly accessible platform for consolidated information on a wide range of molecular (protein, genetic, chromosomal and chemical/small molecule) biomarkers, covering diagnostic, prognostic, risk, monitoring, safety and response-related biomarkers. We are confident that these upgrades and updates will improve MarkerDB's user friendliness, increase its utility and greatly expand its potential applications to many other areas of clinical medicine and biomedical research.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».