Advancing archaeal research through FAIR resource and data sharing, and inclusive community building
Notice bibliographique
Résumé
Over the last two decades archaeal research has expanded into a wide-ranging research field, driven by a fairly small research community. Archaea are now recognized as important players in the One-Health approach and expertise on the biology of archaea has become crucial in the study of a broad range of topics and environments, including the host-associated microbiomes, major nutrient cycles, greenhouse gas metabolism, the cell biology and origin of eukaryotes, adaptation of life to extremes, as well as various biotechnological applications. Here, we summarize existing resources and ongoing efforts in the engaged broader archaeal scientific community to accelerate research and resource sharing guided by FAIR (findable, accessible, interoperable, reusable) data-sharing principles. We highlight ongoing community efforts that: (i) aim to share protocols and best practices for working with archaea (e.g. ARCHAEA.bio), (ii) combine large ‘omics datasets for the dissemination of unified, system-wide results (e.g. Archaeal Proteome Project, KBase) and (iii) provide opportunities for scientists to present their work in a supportive environment and to forge connections and collaborations (e.g. Archaea Power Hour). Together, these resources and projects promise to spur and cross-fertilize research, making archaeal research more accessible to a broader and more diverse audience. Archaeal research and its growing importance have benefited from a community that is engaged in various collaborative efforts, which are highlighted here with examples for the sharing of resources and data, as well as the building of supportive environments to advance the community.
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 | 0,121 | 0,173 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,009 | 0,013 |
| Communication savante | 0,022 | 0,036 |
| Science ouverte | 0,009 | 0,083 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
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 ».