MétaCan
Menu
Retour à la cohorte
Enregistrement W4404600777 · doi:10.52601/bpr.2024.240009

Non-invasive micro-test technology and applications

2024· article· en· W4404600777 sur OpenAlexfundno aff
Kai Sun, Yunqi Liu, Yanshu Pan, Dong‐Wei Di, Jianfang Li, Feiyun Xu, Li Li, Yoshiharu Mimata, Yingying Chen, Lixia Xie, Siqi Wang, Wenqian Qi, Yan Tang, Huachun Sheng, Bing Wang, Ruixue Sun, Deng-Feng Fu, Yin Ye, Ao X, Yichao Shi, Wenjing Shao, Lei Gong, Zhijian Jiang, Wei Zhang, Qiang‐Sheng Wu, Yaosheng Wang, Wenxiu Ye, Weifeng Xu, Shuhe Wei, Weiming Shi, Yu Xu

Notice bibliographique

RevueBiophysics Reports · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Circuits and Semiconductor Failure Analysis
Établissements canadiensnon disponible
Organismes subventionnairesBeijing Forestry UniversityInstitute of Genetics and Developmental Biology, Chinese Academy of SciencesPurdue UniversityChinese Academy of SciencesShanxi Medical UniversityInstitute of GeneticsJiangsu Normal UniversityChinese Academy of ForestryInstitute of Biophysics, Chinese Academy of SciencesCapital Medical UniversityInstitute of Botany, Chinese Academy of SciencesCapital Normal UniversityJinan UniversityPeking UniversityChina Agricultural UniversityUniversity of Chicago
Mots-clésBiochemical engineeringTest (biology)Computer scienceManagement scienceEngineeringBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Non-invasive micro-test technology (NMT) reveals dynamic ionic/molecular concentration gradients by measuring fluxes of ions and small molecules in liquid media in 1D, 2D or 3D fashions with sensitivity up to pico- (10−12) or femto- (10−15) moles per cm2 per second. NMT has been applied to study metabolism, signal transduction, genes and/or proteins physiological functions related to transmembrane ionic/molecular activities with live samples under normal conditions or stress. Data on ion and/or molecule homeostasis (IMH) by NMT in biomedical sciences, plant and crop sciences, environmental sciences, marine and space biology as well as traditional Chinese medicine are reviewed.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,004
Tête enseignante GPT0,196
Écart entre enseignants0,192 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiophysics ReportsMême sujetIntegrated Circuits and Semiconductor Failure AnalysisTravaux en français237 207