MétaCan
Menu
Retour à la cohorte
Enregistrement W4414015718 · doi:10.11159/icbes25.151

NANOSLAST: Nanopore Signal Local Alignment and Segmentation Tool

2025· article· en· W4414015718 sur OpenAlexvenueno aff
Marketa Jakubickova, Michaela Zbudilova, Martin Suriak, Helena Vítková

Notice bibliographique

RevueProceedings of the World Congress on Electrical Engineering and Computer Systems and Science · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueNanopore and Nanochannel Transport Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNanoporeSIGNAL (programming language)SegmentationComputer scienceArtificial intelligenceComputer visionMaterials scienceNanotechnology

Résumé

récupéré en direct d'OpenAlex

Nanopore sequencing provided by Oxford Nanopore Technologies enables real-time analysis of native DNA or RNA molecules based on measured electrical signals called squiggles.While basecalling algorithms translate squiggles into nucleotide sequences, much of the raw signal information remains unexplored.Although several tools exist for inspecting the squiggles and offer simple signal visualization, they do not provide integrated workflows that allow users to search for specific nucleotide sequences and directly extract or visualize the corresponding raw signal segments.To address this gap, we developed NANOSLAST -a Nanopore Signal Local Alignment and Search Tool.This Python-based tool links local sequence similarity searches (via BLAST) to raw nanopore signals using basecalled SAM files and signal data from FAST5 or POD5 formats.The tool can be used to extract signals corresponding to specific motifs or functional elements, compare raw signal characteristics between different flowcells or sequencers or extract signalsequence pairs suitable for training machine learning models focused on basecalling, methylation detection or other purposes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,815
Score d'incertitude au seuil0,417

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,185
Écart entre enseignants0,182 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Electrical Engineering and Computer Systems and ScienceMême sujetNanopore and Nanochannel Transport StudiesTravaux en français237 207