Un chercheur rennais coordonne le nouveau réseau international sur la digestion.
Bibliographic record
Abstract
Didier Dupont, responsable de l’équipe Bioactivité et nutrition de l’unité mixte de recherche Inra-Agrocampus Ouest Science et technologie du lait et de l’œuf, est l’initiateur et le coordinateur d’Infogest, un réseau sur la digestion créé en avril dernier.Ce réseau international de scientifiques a pour objectif de partager les connaissances sur la digestion afin d'améliorer les propriétés santé des aliments. Il a aussi pour ambition de favoriser le transfert des dernières avancées scientifiques vers l’industrie agroalimentaire pour les aider à développer de nouveaux aliments fonctionnels. Il s’agit avant tout de mieux comprendre la digestion des nutriments, notamment celle des protéines, présents dans les aliments et d’évaluer son impact sur la santé de l'homme (immunité intestinale, satiété...).Ce réseau permettra d'harmoniser les modèles de digestion actuellement utilisés en incluant leur validation sur l’homme, en particulier sur des populations spécifiques comme le nourrisson, la personne âgée ou encore le sportif. Infogest associe des scientifiques spécialistes de différentes disciplines : sciences de l’aliment, nutrition, physiologie, immunologie... Actuellement, 37 institutions de 20 pays (Europe, Canada et Nouvelle-Zélande) sont impliquées dans ce réseau qui reste ouvert aux autres institutions désireuses de s'y engager.Infogest est financé sur quatre ans par le programme européen Cost (Cooperation in science and technology) à hauteur de 100 000 euros par an.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.006 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.059 | 0.026 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".