Open-access public-private partnerships to enable drug discovery--new approaches.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The productivity of the pharmaceutical industry, as assessed by the number of NMEs produced per US dollar spent in R&D, has been in steady decline during the past 40 years. This decline in productivity not only poses a significant challenge to the pharmaceutical industry, but also to society because of the importance of developing drugs for the treatment of unmet medical needs. The major challenge in progressing a new drug to the market is the successful completion of clinical trials. However, the failure rate of drugs entering trials has not decreased, despite various technological and scientific breakthroughs in recent decades, and despite intense target validation efforts. This lack of success suggests limitations in the fundamental understanding of target biology and human pharmacology. One contributing factor may be the traditional secrecy of the pharmaceutical sector, a characteristic that does not promote scientific discovery in an optimal manner. Access to broader knowledge relating to target biology and human pharmacology is difficult to obtain because interactions between researchers in industry and academia are typically restricted to closed collaborations in which the knowledge gained is confidential.However, open-access collaborative partnerships are gaining momentum in industry, and are also favored by funding agencies. Such open-access collaborations may be a powerful alternative to closed collaborations; the sharing of early-stage research data is expected to enable scientific discovery by engaging a broader section of the scientific community in the exploration of new findings. Potentially, the sharing of data could contribute to an increased understanding of biological processes and a decrease in the attrition of clinical programs.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle