MétaCan
Menu
← Retour à la cohorte
Enregistrement W6950911145 · doi:10.5281/zenodo.7040586

BioNovoGene mzkit: Data toolkits for processing NMR, MALDI MSI, LC-MS and GC-MS raw data, chemoinformatics data analysis and data visualization

2022· other· en· W6950911145 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typeother
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensOntario Genomics
Organismes subventionnairesnon disponible
Mots-clésRaw dataVisualizationData visualizationFile formatPlot (graphics)Rendering (computer graphics)SoftwarePipeline (software)Data file

Résumé

récupéré en direct d'OpenAlex

Mzkit is an open source raw data file toolkit for mass spectrometry data analysis, provides by the BioNovoGene corporation. The features of mzkit inlcudes: raw data file content viewer(XIC/TIC/Mass spectrum plot), build molecule network, formula de-novo search and de-novo annotation. This open source mass spectrometry data toolkit is developed at the BioDeep R&D laboratory and brought to you by BioNovoGene corporation. Downloads: http://www.biodeep.cn/downloads?lang=en-US new add tissue morphology map overlaps to MSI viewer new add tissue morphology map editor feature to create custom tissue region for data analysis new add HE stain image analysis module new add a new general table data viewer for open microsoft excel table files new add a general data visualization module for plot data based on the table viewer content new add new ggplot package for data plot pipeline task enhancement add data visualization template rendering for MS-imaging plot enhancement enable view multiple sample MS-imaging data enhancement add online pubchem metabolite database query function for the ion feature in MSI raw data enhancement add data compatibility with the bruker SCiLS lab software enhancement make improvements of the ms1 peak list data annotation function enhancement update internal metabolite database, extends database list from KEGG only to KEGG/lipidmaps/chebi enhancement make the molecular networking viewer interactive enhancement add ms1 peak deconvolution function to raw data viewer enhancement add peak finding analysis feature to the general signal data analysis enhancement new application installer experience enhancement upgrade the internal Rstudio environment from .NET4.8 assembly to .NET6.0 assembly enhancement add mzwork project file for share the workspace between the device enhancement make improvements of the MRM/GCMS targetted data viewer fixed add fix patch script to install internal Rstudio environment fixed upgrade mzPack format to version 2.0, make improvements of the data compatibility between the single sample data and multiple sample data fixed make bugs fixed of the style tweaking for raw data plot viewer fixed handling of the data serialization error when raw data file its file path is a windows UNC path

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Logiciel · Signal consensuel: Logiciel
Score de désaccord entre enseignants0,123
Score d'incertitude au seuil0,412

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,004
Études des sciences et des technologies0,0020,001
Communication savante0,0040,005
Science ouverte0,0050,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,1230,131

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,279
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreLogiciel

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetOceanographic and Atmospheric Processes→Travaux en français237 207→