The Misuse of BLUP in Ecology and Evolution
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
Best linear unbiased prediction (BLUP) is a method for obtaining point estimates of a random effect in a mixed effect model. Over the past decade it has been used extensively in ecology and evolutionary biology to predict individual breeding values and reaction norms. These predictions have been used to infer natural selection, evolutionary change, spatial-genetic patterns, individual reaction norms, and frailties. In this article we show analytically and through simulation and example why BLUP often gives anticonservative and biased estimates of evolutionary and ecological parameters. Although some concerns with BLUP methodology have been voiced before, the scale and breadth of the problems have probably not been widely appreciated. Bias arises because BLUPs are often used to estimate effects that are not explicitly accounted for in the model used to make the predictions. In these cases, predicted breeding values will often say more about phenotypic patterns than the genetic patterns of interest. An additional problem is that BLUPs are point estimates of quantities that are usually known with little certainty. Failure to account for this uncertainty in subsequent tests can lead to both bias and extreme anticonservatism. We demonstrate that restricted maximum likelihood and Bayesian solutions exist for these problems and show how unbiased and powerful tests can be derived that adequately quantify uncertainty. Of particular utility is a new test for detecting evolutionary change that not only accounts for prediction error in breeding values but also accounts for drift. To illustrate the problem, we apply these tests to long-term data on the Soay sheep (Ovis aries) and the great tit (Parus major) and show that previously reported temporal trends in breeding values are not supported.
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 | 0,000 | 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 | 0,000 |
| 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 découle