Community-driven fair data management and reproducibility for the whole image-data life cycle
Notice bibliographique
Résumé
Poster Nr. 1571 presented at the 2022 ASCB and EMBO Cell Biology Meeting held on December 3-7, 2022 in Washington, DC, USA https://www.ascb.org/cellbio2022/ Abstract Biomedical advances crucially depend on the generation of high-quality Findable, Accessible, Interoperable, and Reproducible (FAIR; 10.1038/sdata.2016.18) datasets. This, in turn, requires the seamless integration of community-specified image documentation practices within the Research Data Management (RDM) processing pipelines required to ensure the execution, tracking, and documentation of the entire life cycle of data from sample preparation to publication (i.e., data provenance). This is important for microscopy, where data interpretation is crucially dependent on easy-to-use RDM software enabling the capture and reporting of knowledge that is collectively termed Image Metadata, and that consists of three key aspects: i) biological context (i.e., organism, growth conditions, sample-type); ii) image acquisition (i.e., microscope hardware/settings/quality-control); and iii) image processing (i.e., software, analysis steps). To illustrate these points, this presentation will first introduce recently published 4DN-BINA-OME-QUAREP community-driven Image Metadata specifications developed in the context of international bioimaging initiatives (10.1038/s41592-021-01327-9) and how they can be applied to typical light microscopy experiments. This will be followed by a deep dive into the importance of incorporating robust microscopy quality assessment and reporting procedures in the life cycle of light-microscopy data to ensure rigor, reproducibility, and reusability. The discussion will identify key stages in the pathway that includes image data acquisition, management, analysis, and dissemination and provide OMERO-based concrete and practical examples of how open-source tools and protocols developed by an international consortium of community initiatives led by QUality Assessment and REProducibility in Light Microscopy (QUAREP-LiMi), are being utilized in close collaboration with Canada BioImaging, at McGill University and UMass Medical School to capture and report the necessary quality-control metrics and metadata to support the reproducibility and reusability of image-based datasets. Finally, the presentation will also introduce the Micro-Meta App and MethodsJ2 software tools that allow researchers to collect detailed microscope hardware and acquisition settings metadata and generates draft methods text for publication.
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 | 0,124 | 0,190 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,016 | 0,014 |
| Science ouverte | 0,007 | 0,025 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,024 |
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 ».