MNBC-ME identifies mobile elements and putative host species from metagenomic sequences
Notice bibliographique
Résumé
These files provide supplementary data underlying the article: prok_Next150.fasta.gz: 13441246 150bp-long reads randomly generated from the prokaryotic test genomes, simulating reads sequenced by NextSeq (0.05 coverage) prok_Mi300.fasta.gz: 6723326 300bp-long reads randomly generated from the prokaryotic test genomes, simulating reads sequenced by MiSeq (0.05 coverage) prok_NanoND.fasta.gz: 371870 reads of normally distributed 1kb-10kb lengths randomly generated from the prokaryotic test genomes, simulating reads sequenced by Nanopore (0.05 coverage) plsdb_Next150.fasta.gz: 535249 150bp-long reads randomly generated from the test plasmids, simulating reads sequenced by NextSeq (0.05 coverage) plsdb_Mi300.fasta.gz: 271361 300bp-long reads randomly generated from the test plasmids, simulating reads sequenced by MiSeq (0.05 coverage) plsdb_NanoND.fasta.gz: 24226 reads of normally distributed 1kb-10kb lengths randomly generated from the test plasmids, simulating reads sequenced by Nanopore (0.05 coverage) virus_Next150.fasta.gz: 43381 150bp-long reads randomly generated from the viral test genomes, simulating reads sequenced by NextSeq (0.05 coverage) virus_Mi300.fasta.gz: 23004 300bp-long reads randomly generated from the viral test genomes, simulating reads sequenced by MiSeq (0.05 coverage) virus_NanoND.fasta.gz: 4885 reads of normally distributed 1kb-10kb lengths randomly generated from the viral test genomes, simulating reads sequenced by Nanopore (0.05 coverage) db_list.txt: List of 139052 prokaryotic, plasmidic and viral index filenames in the reference database, indicating the sequence accessions used to build the index files taxonomy.txt: Taxonomy file of the 139052 training sequences. Host taxa are given for plasmids. prok_training_and_test_sequences_list.txt: List of all 56107 prokaryotic training and test sequence accesions. plsdb_training_and_test_sequences_list.txt: List of all 72556 training and test plasmid accesions in the PLSDB database version 2024_05_31_v2 virus_training_and_test_sequences_list.txt: List of all 40353 training and test plasmid accesions in the Virus-Host database release 227
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,032 |
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 ».