Post hoc blocking to improve heritability and precision of best linear unbiased genetic predictions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Single-site clonal trials were simulated with a total of 256 clones "planted" in single-tree plots with three different environmental patterns: only patches (PATCH), only gradients (GRAD), and both components (ALL). Several simulated experimental designs were analyzed (a randomized complete block design; incomplete block designs with 4, 8, 16, and 32 incomplete blocks; and a row-column design) and compared with post hoc blocking of the same designs over a randomized complete block. Additionally, two more incomplete block designs (64 and 128 blocks) were superimposed after the fact to examine extremely small blocks. To select the best fit, the performance of the log-likelihood and mean standard error of the difference (SED) were studied and compared with mean individual broad-sense heritability. Improvement in statistical efficiency (or precision) were obtained with little effort using post hoc blocking. The results from post hoc blocking were promising with negligible differences compared with predesigned local control. The post hoc best designs were row-column (for ALL and PATCH) and incomplete block with eight blocks (for GRAD). Also, mean correlation between the true and predicted values (CORR) showed a reduction in efficiency for extremely small blocks, but no reduction in the genetic variance was noted as the size of the block decreased. Both of the criteria for model selection (log-likelihood and SED) showed similar trend to mean CORR, and their use is recommended.
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.
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 | 0,009 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle