Distance‐based population classification software using mean‐field annealing
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
We describe a distance-based clustering method using a proximity matrix of genetic distances to partition populations into genetically similar groupings. The optimization heuristic mean-field annealing (MFA) was used to find locally optimal solutions where exhaustive search was not possible. To illustrate this method, we analysed both simulated and real data sets. Simulated data indicated that MFA successfully differentiated population groups, even with small F(ST) values, as long as there was separation of within and between group distances. Reanalysis of microsatellite data from various human populations using mean-fields found similar ethnic groups corresponding to major geographic regions reported by Rosenberg et al. (2002) who used the model-based computer program Structure. However, with MFA, the Kalash population was found to group with other Central/South Asian populations instead of being the only member of its own genetic cluster. Europe/Middle East populations formed a separate group from Central/South Asian populations instead of being a single group in the Structure analysis. The MFA analysis determined the greatest genetic distances (largest mean intracluster distance) occurred in native American populations, identifying three groups instead of only one found with Structure. For conservation purposes, it is not only important to identify genetically similar groupings but also to determine the relative level of genetic differentiation captured within these groups. To illustrate this, we compare two separate MFA analyses of Chinook salmon (Oncorhynchus tshawytscha) populations from British Columbia, Canada. The software called PORGS-MFA used in this article can be downloaded from http://www.pac.dfo-mpo.gc.ca/science/facilities-installations/pbs-sbp/mgl-lgm/apps/porgs/index-eng.htm.
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