Assessment of identity disequilibrium and its relation to empirical heterozygosity fitness correlations: a meta‐analysis
Notice bibliographique
Résumé
Heterozygosity fitness correlations (HFCs) have frequently been used to detect inbreeding depression, under the assumption that genome-wide heterozygosity is a good proxy for inbreeding. However, meta-analyses of the association between fitness measures and individual heterozygosity have shown that often either no correlations are observed or the effect sizes are small. One of the reasons for this may be the absence of variance in inbreeding, a requisite for generating general-effect HFCs. Recent work has highlighted identity disequilibrium (ID) as a measure that may capture variance in the level of inbreeding within a population; however, no thorough assessment of ID in natural populations has been conducted. In this meta-analysis, we assess the magnitude of ID (as measured by the g2 statistic) from 50 previously published HFC studies and its relationship to the observed effect sizes of those studies. We then assess how much power the studies had to detect general-effect HFCs, and the number of markers that would have been needed to generate a high expected correlation (r(2) = 0.9) between observed heterozygosity and inbreeding. Across the majority of studies, g2 values were not significantly different than zero. Despite this, we found that the magnitude of g2 was associated with the average effect sizes observed in a population, even when point estimates were nonsignificant. These low values of g2 translated into low expected correlations between heterozygosity and inbreeding and suggest that many more markers than typically used are needed to robustly detect HFCs.
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 | 0,047 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,034 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».