MétaCan
Menu
Retour à la cohorte
Enregistrement W4410325440 · doi:10.1038/s42255-025-01296-9

Towards a consensus atlas of human and mouse adipose tissue at single-cell resolution

2025· review· en· W4410325440 sur OpenAlexaff
Anne Loft, Margo P. Emont, Ada Weinstock, Adeline Divoux, Adhideb Ghosh, Allon Wagner, Ann V. Hertzel, Babukrishna Maniyadath, Bart Deplancke, Boxiang Liu, Camilla Schéele, Carey N. Lumeng, Changhai Ding, Chenkai Ma, Christian Wolfrum, Clarissa Strieder‐Barboza, Congru Li, Danh D. Truong, David Bernlohr, Elisabet Stener‐Victorin, Erin E. Kershaw, Esti Yeger‐Lotem, Farnaz Shamsi, Xiaoyan Hui, Henrique Camara, Jiawei Zhong, Joanna Kalucka, Joseph A. Ludwig, Julie A. Semon, Jutta Jalkanen, Katie L. Whytock, Kyle Dumont, Lauren M. Sparks, Lindsey A. Muir, Lingzhao Fang, Lucas Massier, Luís R. Saraiva, Marc Beyer, Marc G. Jeschke, Marcelo A. Mori, Mariana Boroni, Martin J. Walsh, Mary‐Elizabeth Patti, Matthew D. Lynes, Matthias Blüher, Mikael Rydén, Natnael Hamda, Nicole L. Solimini, Niklas Mejhert, Peng Gao, Rana K. Gupta, Rinki Murphy, Saeed Pirouzpanah, Silvia Corvera, Su’an Tang, Swapan K. Das, Søren Fisker Schmidt, Tao Zhang, Theodore M. Nelson, Timothy E. O’Sullivan, Vissarion Efthymiou, Wenjing Wang, Yihan Tong, Yu‐Hua Tseng, Susanne Mandrup, Evan D. Rosen

Notice bibliographique

RevueNature Metabolism · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueAdipose Tissue and Metabolism
Établissements canadiensHamilton Health SciencesMcMaster University Medical Centre
Organismes subventionnairesLundbeckfondenDanmarks GrundforskningsfondNational Institute of Diabetes and Digestive and Kidney DiseasesFoundation for the National Institutes of Health
Mots-clésAtlas (anatomy)Adipose tissueResolution (logic)BiologyComputational biologyComputer scienceAnatomyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0030,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,029
Tête enseignante GPT0,335
Écart entre enseignants0,307 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations29
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueNature MetabolismMême sujetAdipose Tissue and MetabolismTravaux en français237 207