MétaCan
Menu
Retour à la cohorte
Enregistrement W6968518956 · doi:10.5281/zenodo.16782450

Borzoi Human Model Predictor (Linder et al. 2025) using the Genomic API for Model Evaluation (GAME) Framework

2025· other· en· W6968518956 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typeother
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésContainer (type theory)Scripting languageENCODEReplicateSource codeCode (set theory)Sample (material)Interpretation (philosophy)

Résumé

récupéré en direct d'OpenAlex

This record provides a Predictor container for the Borzoi human model (Linder et al. 2025, Nature Genetics). Borzoi is a deep learning model that predicts cell-type and tissue-specific RNA-seq coverage directly from DNA sequence, enabling interpretation of genetic variants across multiple layers of gene regulation, including transcription, splicing, and polyadenylation. It is trained on human RNA-seq data from ENCODE (with 866 datasets across diverse biosamples, including cell lines and adult tissues) and Genotype-Tissue Expression (GTEx) data (with 2-3 replicates for each tissue, processed by the recount3 project). The training dataset also includes epigenomic datasets from the Enformer model, such as CAGE, DNase-seq, ATAC-seq, and ChIP-seq tracks. The Predictor container (borzoi_human_predictor.sif) includes: Predictor script for sequence processing and error handling. Integrated Borzoi model with its dependencies and borzoi-gpu conda environment created using borzoi_gpu_environment.yml. Baskerville and Borzoi packages, installed from local source copies of repositories (as of March 2025), which also contain helper scripts and 4 replicate model weights. Support scripts like: api_preprocessing_utils.py, error_message_functions_updated.py, predictor_help_message.json. NOTE: This container requires a GPU for execution because the Borzoi model relies on TensorFlow's GPU-accelerated operations. Running the container: Ensure Apptainer is intalled in the system the container is intended to run. Always run the Predictor first, so it can listen for incoming connections from Evaluators: apptainer run --containall --nv borzoi_human_predictor.sif HOST_IP HOST_PORT MATCHER_IP MATCHER_PORT Additional information about the GAME framework can be found on GitHub: Genomic API for Model Evaluation Borzoi Human Predictor-specific information, along with a sample Evaluator, can be found within the same repository: Borzoi Predictor Code repository for Borzoi models: Borzoi GitHub Paper can be found here: Linder, J., Srivastava, D., Yuan, H. et al. Predicting RNA-seq coverage from DNA sequence as a unifying model of gene regulation. Nat Genet 57, 949–961 (2025). https://doi.org/10.1038/s41588-024-02053-6

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,790
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,074
Tête enseignante GPT0,318
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetSingle-cell and spatial transcriptomicsTravaux en français237 207