A Cloud-Based National Resource for FAIR Microscopy Research Data Management, Analysis and Sharing in Canada
Notice bibliographique
Résumé
Advanced light microscopy is used globally as an essential tool for recording quantitative measurements of biological structure, function and/or dynamics in the life and biomedical sciences. Its increasing use in fundamental research generates substantial and ever increasing, amounts of image data from diverse imaging modalities. The sheer volume of image data and the speed at which it is generated presents a major data management and storage challenge. This is especially true for individual laboratories that typically do not have the hardware infrastructure or domain knowledge to implement an effective image-data-management strategy by themselves. At the same time, effective curation, management and storage of image data and associated metadata are crucial to the success of the research enterprise and for fulfilling the Research Data Management (RDM) mandates of public funding bodies worldwide. Any proposed data management and storage solution should follow the FAIR – Findable, Accessible, Interoperable and Reusable [ 1] principles. To that end, open access tools and software that embed data management technologies as an integral part of ongoing research projects, rather than as an afterthought, are pivotal. Therefore, we have deployed an implementation of an existing open-source tool [ 2] to enable researchers that generate image data by facilitating the management of these data. The system was developed by the Open Microscopy Environment (OME) consortium and is called OME’s Remote Objects (OMERO) [ 3]. It is a platform for managing images in a secure central repository where data can be viewed, organized, analyzed and shared [ 3]. OMERO is the most popular RDM system for microscopy image data [ 4] with 1000+ production instances of OMERO worldwide [ 5].
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,011 |
| Études des sciences et des technologies | 0,009 | 0,002 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,055 | 0,022 |
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 ».