Notice bibliographique
Résumé
Zena Werb was born in Bergenbelsen, Germany to Polish Jewish parents. As a post-war refugee, with her family she moved from Wroclaw, Poland to Milan, Italy. From there they immigrated to Canada, first to Saskatchewan and then to southern Ontario, where Zena grew up on a farm. She went to the University of Toronto, where she read Honours Biochemistry, receiving a BSc in 1966. Studying with the late Professor Zanvil A. Cohn, Zena received her PhD in cell biology from The Rockefeller University, New York. Her post-doctoral work was at the Strangeways Research Laboratory in Cambridge, UK. After one year on the faculty of Dartmouth Medical School in Hanover, New Hampshire, she joined the University of California, San Francisco, as an Assistant Professor in the Laboratory of Radiobiology. She is currently Professor and Vice-Chair of Anatomy and a member of the Program in Biological Sciences and Biomedical Sciences Program at the University of California, San Francisco. Zena's research is on the roles of matrix metalloproteinases in normal and pathological tissues, concentrating on mouse models of bone and mammary gland development. She has demonstrated the importance of proteolysis as a mechanism of altering extracellular signaling. She has shown that remodeling of the extracellular matrix and the cellular microenvironment by stromal and inflammatory cells contributes to development of tumors as aberrant organs.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,139 | 0,093 |
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 ».