BOLDistilled: Comprehensive but compact DNA barcode reference libraries
Notice bibliographique
Résumé
Supplemental files accompanying the paper "BOLDistilled: Automated construction of comprehensive but compact DNA barcode reference libraries". BOLDistill.sh - The main script that distills BOLD records into a compact but comprehensive reference library. BOLDistill.R - A helper script called by BOLDistill.sh. BOLDistill.Rmd- A helper script called by BOLDistill.sh. BOLDistill_sintax.py- A helper script called by BOLDistill.sh. BOLDistilled_COI_Jul2025_METADATA.pdf - Report summarizing the contents of the BOLDistill library. BOLDistilled_COI_Jul2025_SEQUENCES.fasta - Source sequences comprising the BOLDistill library. BOLDistilled_COI_Jul2025_TAXONOMY.tsv - Source consensus taxonomy of each BIN/OTU in the BOLDistilled library. BOLDistill_COI_Jul2025_blast.zip - blastn formatted version of the BOLDisitlled lirbary. BOLDistilled_COI_Jul2025_vsearch - vsearch -- usearch_global formatted version of the BOLDistilled library. BOLDistilled_COI_Jul2025_sintax.fasta - vsearch -- sintax formatted version of the BOLDistilled library.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,006 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,255 | 0,288 |
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 ».