UBC-SMMB/ArtificialCatchBondMY2024: Pre-Publication Data, Zenodo Release
Notice bibliographique
Résumé
Contains all data necessary to reproduce the figures in the paper, as well as two scripts which produce the figures and run the simulations. Also contains force-extension data from optical trap experiments and the simulated jaw/hook intersections. System Requirements OS: Windows 10+ Software: MATLAB 2023b+ Installation Download the contents of this zip file. Add the folder + subfolders to your working directory in MATLAB. Generating the figures used in the paper Clear your workspace. Import the contents of FigureData.mat. Run the ArtificialCatchBondFigures.m script. The subsections of this script should be runnable in any order. Running the Analytical Simulation Clear your workspace. Open runCatchBondSim.m. Set parameters in the first subsection: number of sequences to generate and average (nSeq) sequence (sLength array containing the DNA lengths you would like to probe; minimum length is 7 bp) salt (struct containing sodium, potassium, and magnesium concentrations in M) Run subsection 1. Depending on how many sequences/parameters you are testing, this could take several minutes. Run subsection 2. This will create an intersections array containing all sequence pairs which have the jaw and hook unzipping in the correct order. Running the Monte Carlo Simulation If you have just run the analytical simulation, skip to step 5. Clear your workspace. Import the contents of IntersectionsData.mat. Open runCatchBondSim.m. Scroll down to the heading "3. Monte Carlo Simulation to get catch bond rupture times" There are 3 modes: non-linear force ramp (this is what was used in the paper). It simulates our specific optical tweezers trap stiffness and our specific dsDNA handle length, which leads to non-linear force ramps. linear force ramp. force clamp. Set the initial parameters (commented) and run the section which corresponds to the mode you wish to use.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,557 | 0,570 |
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 ».