Daneshpajouh/ChromeCRISPR: ChromeCRISPR v1.0.0 - Initial Release
Notice bibliographique
Résumé
ChromeCRISPR: hybrid CNN-RNN models for predicting CRISPR/Cas9 on-target activity from sgRNA sequence. New in this release: the main model models/main_model/ holds five seeds of CNN_GRU+GC built to the architecture the article describes: three convolutional layers of 128 filters, three GRU layers of 128 hidden units, the embedding to 128, both branches reduced to 128 and concatenated to 256, GC content appended to 257, then dense layers of 128, 64 and 32. 834,497 parameters each. Scored from the checkpoints themselves: | | this model | article | |---|---|---| | Spearman | 0.8769 | 0.8760 | | mean squared error | 0.0092 | 0.0093 | The median Spearman is 0.8769 against the article's 0.8796; these runs vary less from fold to fold, which pulls the median toward the mean, and it is reported as measured. Everything was selected on a validation split drawn from the training pool: sixty candidates cross-validated five ways, each recording test_touched: false, the winner and its epoch count fixed in a hashed pre-registration, then the test set read once per seed. The isotonic calibration that returns the rank-transformed outputs to the activity scale is fitted on the validation rows shipped alongside it. Reproducing the reported results python3 scripts/verify_published_results.py All 76 reported figures agree to four decimal places: nineteen models by Spearman mean, Spearman median, MSE mean and MSE median, recomputed from the prediction vectors in artifacts/predictions/. Also included artifacts/models/CNN_GRU_GC.pth, reproducing its own prediction vector to 1.49e-07 models/retrained/ and models/published_family/, two further model sets under the same protocol, which isolate what the architecture choice is worth data/, the dataset and encoded arrays, rebuildable under a fixed seed 107 tests, including one assertion for each of the 51 architectural statements the article makes
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,130 | 0,140 |
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 ».