MétaCan
Menu
Retour à la cohorte
Enregistrement W2125137994 · doi:10.1093/bfgp/elu004

Genomic variation in Helianthus: learning from the past and looking to the future

2014· article· en· W2125137994 sur OpenAlexaff
Michael B. Kantar, Gregory J. Baute, Dan G. Bock, Loren H. Rieseberg

Notice bibliographique

RevueBriefings in Functional Genomics · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvances in Cucurbitaceae Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiologyHelianthusDomesticationIntrogressionEvolutionary biologyGenomeGenetic variationAdaptation (eye)Genetic algorithmTransposable elementPopulationGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Helianthus is an economically important and genetically diverse genus, containing both evolutionary model species and cultivated species. Genetic variation within this genus has been examined at many different scales, from genome size changes to chromosomal structure to nucleotide variation. The growing amount of genomic resources within the genus has yielded insights into the importance of paleopolyploid events, and how transposable elements can cause rapid genome size increases. The rapidly evolving chromosomes in Helianthus have provided a system whereby it has been possible to study how chromosomal rearrangements impact speciation, adaptation and introgression. Population and quantitative genetic studies have used the abundant nucleotide variation to identify a number of candidate genes which may be involved in both local adaptation and domestication. The results from these investigations have provided basic knowledge about evolution and how to utilize genetic resources for both agriculture and conservation. Targeting Helianthus for further study as new technologies emerge will allow for a better understanding of how different types of genomic variation interact and contribute to phenotypic variation in a complex system that is ecologically and economically significant.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,002
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,232
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBriefings in Functional GenomicsMême sujetAdvances in Cucurbitaceae ResearchTravaux en français237 207