MétaCan
Menu
Retour à la cohorte
Enregistrement W7014147261

OpenMS 3 enables reproducible analysis of large-scale mass spectrometry data

2024· article· en· W7014147261 sur OpenAlexafffund

Notice bibliographique

RevueTechnical University of Denmark, DTU Orbit (Technical University of Denmark, DTU) · 2024
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesHorizon 2020 Framework ProgrammeDeutsche ForschungsgemeinschaftEuropean CommissionGovernment of CanadaGenome CanadaOntario GenomicsGerman Network for Bioinformatics InfrastructureOntario Genomics Institute
Mots-clésMass spectrometryCalibrationAnalyteAnalytical Chemistry (journal)Quantitative analysis (chemistry)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Mass spectrometry has become an indispensable tool in the life sciences.The new major version 3 of the computational framework OpenMS provides signi cant advancements regarding open, scalable, and reproducible high-throughput work ows for proteomics, metabolomics, and oligonucleotide mass spectrometry.OpenMS makes analyses from emerging elds available to experimentalists, enhances computational work ows, and provides a reworked Python interface to facilitate access for bioinformaticians and data scientists. MainMass spectrometry (MS) is an analytical technique with a wide range of biological and medical applications, which can produce data on the terabyte scale demanding large-scale high-throughput analysis.Computational mass spectrometry seeks to distill MS data into insights that advance understanding in the life sciences.Here we proudly present OpenMS 3, which is a major leap forward in support for omics data beyond proteomics (e.g., metabolomics and RNA/DNA), support for work ow systems, and an improved user experience.OpenMS is an actively maintained, open-source software project that has aided mass spectrometrists with their data processing since 2002.It started as a C++ library and has expanded to include applications, Python libraries, work ows, and documentation repositories.Since the release of OpenMS 2.0 in 2015, more than 20,000 Git commits were created by more than 150 developers contributing code.Here, we discuss major new features and highlight how developers and experimentalists can bene t from OpenMS 3.The OpenMS framework provides users and developers with a large collection of MS-related algorithms, tools, and work ows.The OpenMS tools 1 can be combined into powerful analysis work ows.The

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0140,007

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 Opus0,021
Tête enseignante GPT0,260
Écart entre enseignants0,238 · 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.

Devis d'étudeSans objet
DomaineReproductibilité
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
Publié2024
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueTechnical University of Denmark, DTU Orbit (Technical University of Denmark, DTU)Même sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207