Phylogeographic inferences from chloroplast DNA: quantifying the effects of mutations in repetitive and non‐repetitive sequences
Notice bibliographique
Résumé
Phylogeographic inference can be a powerful tool in reconstructing species' evolutionary histories; however, although inferred phylogeographic patterns should depend in part on the underlying types and rates of mutations, the effects of different types of mutations have seldom been quantified. In this study we identified two chloroplast minisatellites in the common reed Phragmites australis, and showed that these are more variable than chloroplast microsatellites. We then recreated parsimony networks of the global phylogeography of P. australis based on data that either included or excluded repetitive sequences (minisatellites and microsatellites), thereby illustrating the influence that these repetitive sequences can have on large-scale phylogeographic inference. The resulting networks differed in the numbers of mutational steps, degrees of uncertainty, and total numbers of haplotypes. In addition, the suggested ancestor-descendant relationships among lineages changed substantially depending on whether repetitive sequences were included. We therefore caution against the inclusion of repetitive sequences in large-scale networks because of their high potential for homoplasy. Nevertheless, we advocate the inclusion of repetitive sequences in other analyses: specifically, we show that the ratio of mutations in repetitive vs. non-repetitive regions can provide insight into the relative ages of lineages.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».