RPmirDIP Predictions of ~6 Million miRNA-Gene Pairs
Notice bibliographique
Résumé
The RPmirDIP and RPmirDIP* predictors were used to re-score all available miRNA-mRNA pairs from the mirDIP database to identify novel putative interactions. The ~30 million pairs from the mirDIP database were re-scored using the RPmirDIP(*) method(s). Only those pairs with a Difference of Scores (DoS), defined as RPmirDIP(*)-mirDIP, with a value greater than 0.5 were published as these comprise the set of most likely candidate interactors for subsequent experimental validation. Of this set of ~6 million pairs, the data were divided into subsets based on a cutoff percentile (top 1%, top 5%, top 10%, top 33%, and bottom 66%). These data are presented in two sorted formats. The first is sorted on the Difference of Scores (DoS, RPmirDIP(*)-mirDIP) to identify pairs exhibiting the greatest augmentation of score over mirDIP due to the application of Reciprocal Perspective (RP). The second is sorted on the RPmirDIP(*) score to identify those pairs that RP is most confident in, regardless of the augmentation over mirDIP. Both formats support the exploration of potentially novel miRNA-mRNA interactions warranting subsequent wet laboratory validation. Note: To avoid data duplication, when selecting the top percentile of pairs (say top 10%), you must also select the top percentile files above that level (i.e. top 5% and top 1% files). For convenience, a single file containing all predictions is made available.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».