論文の概要: A field guide to cultivating computational biology

• arxiv url: http://arxiv.org/abs/2104.11364v1
• Date: Fri, 23 Apr 2021 01:24:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-02 15:14:59.821517
• Title: A field guide to cultivating computational biology
• Title（参考訳）: 計算生物学を育むためのフィールドガイド
• Authors: Anne E Carpenter, Casey S Greene, Piero Carnici, Benilton S Carvalho, Michiel de Hoon, Stacey Finley, Kim-Anh Le Cao, Jerry SH Lee, Luigi Marchionni, Suzanne Sindi, Fabian J Theis, Gregory P Way, Jean YH Yang, Elana J Fertig
• Abstract要約: バイオメディカルリサーチセンターは、実験や患者からの大規模なデータセットを活用することで、基礎的な発見と治療戦略を強化することができる。 このデータと、それを作成し、分析する新しい技術は、従来の個別の単一分野の研究モデルを超えて、データ駆動の発見の時代を後押ししてきた。 我々は、個々の科学者、機関、雑誌発行者、資金調達機関、教育者に対する解決策を提案する。
• 参考スコア（独自算出の注目度）: 1.040598660564506
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Biomedical research centers can empower basic discovery and novel therapeutic strategies by leveraging their large-scale datasets from experiments and patients. This data, together with new technologies to create and analyze it, has ushered in an era of data-driven discovery which requires moving beyond the traditional individual, single-discipline investigator research model. This interdisciplinary niche is where computational biology thrives. It has matured over the past three decades and made major contributions to scientific knowledge and human health, yet researchers in the field often languish in career advancement, publication, and grant review. We propose solutions for individual scientists, institutions, journal publishers, funding agencies, and educators.
• Abstract（参考訳）: バイオメディカルリサーチセンターは、実験や患者からの大規模なデータセットを活用することで、基礎的な発見と治療戦略を強化することができる。 このデータは、それを作成および分析するための新しい技術とともに、従来の個別の単一分野の調査研究モデルを超えることを必要とするデータ駆動発見の時代へと導いてきた。 この学際的ニッチは、計算生物学が育つ場所である。 過去30年で成熟し、科学知識と人間の健康に大きな貢献をしてきたが、この分野の研究者はキャリアの進歩、出版、助成金の審査にしばしば熱心である。 我々は、個々の科学者、機関、雑誌発行者、資金調達機関、教育者に対する解決策を提案する。

関連論文リスト

• Two Heads Are Better Than One: A Multi-Agent System Has the Potential to Improve Scientific Idea Generation [48.29699224989952]
  VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。 このマルチエージェントアプローチは、新規で影響力のある科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-12T07:16:22Z)
• A Comprehensive Survey of Scientific Large Language Models and Their Applications in Scientific Discovery [68.48094108571432]
  大規模言語モデル(LLM)は、テキストやその他のデータ処理方法に革命をもたらした。 我々は,科学LLM間のクロスフィールドおよびクロスモーダル接続を明らかにすることで,研究ランドスケープのより総合的なビューを提供することを目指している。
  論文  参考訳（メタデータ） (2024-06-16T08:03:24Z)
• ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
  ResearchAgentは、大規模言語モデルによる研究アイデア作成エージェントである。 科学文献に基づいて繰り返し精製しながら、問題、方法、実験設計を生成する。 我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-11T13:36:29Z)
• Progress and Opportunities of Foundation Models in Bioinformatics [77.74411726471439]
  基礎モデル(FM)は、特に深層学習の領域において、計算生物学の新しい時代に定着した。 我々の焦点は、特定の生物学的問題にFMを応用することであり、研究ニーズに適切なFMを選択するために研究コミュニティを指導することを目的としています。 データノイズ、モデル説明可能性、潜在的なバイアスなど、生物学においてFMが直面する課題と限界を分析します。
  論文  参考訳（メタデータ） (2024-02-06T02:29:17Z)
• SciOps: Achieving Productivity and Reliability in Data-Intensive Research [0.8414742293641504]
  科学者たちは、実験や研究の目標を拡大するために、機器、自動化、協調ツールの進歩をますます活用している。 神経科学を含む様々な科学分野は、コラボレーション、インスピレーション、自動化を強化するための重要な技術を採用してきた。 厳密な科学的操作の原理を説明する5段階の能力成熟度モデルを導入する。
  論文  参考訳（メタデータ） (2023-12-29T21:37:22Z)
• ProBio: A Protocol-guided Multimodal Dataset for Molecular Biology Lab [67.24684071577211]
  研究結果を複製するという課題は、分子生物学の分野に重大な障害をもたらしている。 まず、この目的に向けた最初のステップとして、ProBioという名前の包括的なマルチモーダルデータセットをキュレートする。 次に、透明なソリューショントラッキングとマルチモーダルなアクション認識という2つの挑戦的なベンチマークを考案し、BioLab設定におけるアクティビティ理解に関連する特徴と難しさを強調した。
  論文  参考訳（メタデータ） (2023-11-01T14:44:01Z)
• How Data Scientists Review the Scholarly Literature [4.406926847270567]
  データサイエンティストの文献レビューの実践について検討する。 データサイエンスは、論文の指数的な増加を示す分野である。 これらの科学者が直面する具体的な実践や課題について、事前の研究は行われていない。
  論文  参考訳（メタデータ） (2023-01-10T03:53:05Z)
• Research on Domain Information Mining and Theme Evolution of Scientific Papers [5.747583451398117]
  学際的な研究成果は次第に新たなフロンティア研究の方向性になりつつある。 研究者を支援するために、膨大な数の科学論文を効果的に活用する方法は、課題になる。
  論文  参考訳（メタデータ） (2022-04-18T14:36:17Z)
• Diversifying the Genomic Data Science Research Community [22.633385577446617]
  我々はゲノミクス・データ・サイエンス・コミュニティ・ネットワークを設立し、機会を特定し、クラウド対応のゲノム・データ・サイエンスへの幅広いアクセスを支援する。 ここでは、UIの教員や管理者、資金提供者、R1研究者が、より多様なゲノムデータサイエンスコミュニティを構築するために考慮すべき優先順位についてまとめる。
  論文  参考訳（メタデータ） (2022-01-20T20:36:18Z)
• A Search Engine for Discovery of Biomedical Challenges and Directions [38.72769142277108]
  フル長の論文から抽出したテキストの注釈付きコーパスを構築し,リリースする。 新型コロナウイルスのパンデミックに関連する学際的な作業の大規模なコーパスに焦点を当てる。 我々は、データに基づいてトレーニングされたモデルを適用して、コーパス全体の課題と方向性を特定し、この情報のための専用の検索エンジンを構築します。
  論文  参考訳（メタデータ） (2021-08-31T11:08:20Z)
• Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
  ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。 治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。 この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
  論文  参考訳（メタデータ） (2021-05-03T21:20:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。