MétaCan
Menu
Retour à la cohorte
Enregistrement W2126455900 · doi:10.1093/molbev/mst145

Reconstruction of Ancestral 16S rRNA Reveals Mutation Bias in the Evolution of Optimal Growth Temperature in the Thermotogae Phylum

2013· article· en· W2126455900 sur OpenAlexafffund
Anna G. Green, Kristen S. Swithers, Jan F. Gogarten, J. Peter Gogarten

Notice bibliographique

RevueMolecular Biology and Evolution · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Phylogenetic Studies
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health ResearchNational Science Foundation
Mots-clésBiologyRandom walkSequence (biology)Selection (genetic algorithm)Evolutionary biologyCytosineRibosomal RNAGeneticsPaleontologyDNAGeneStatisticsComputer scienceMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Optimal growth temperature is a complex trait involving many cellular components, and its physiology is not yet fully understood. Evolution of continuous characters, such as optimal growth temperature, is often modeled as a one-dimensional random walk, but such a model may be an oversimplification given the complex processes underlying the evolution of continuous characters. Recent articles have used ancestral sequence reconstruction to infer the optimal growth temperature of ancient organisms from the guanine and cytosine content of the stem regions of ribosomal RNA, allowing inferences about the evolution of optimal growth temperature. Here, we investigate the optimal growth temperature of the bacterial phylum Thermotogae. Ancestral sequence reconstruction using a nonhomogeneous model was used to reconstruct the stem guanine and cytosine content of 16S rRNA sequences. We compare this sequence reconstruction method with other ancestral character reconstruction methods, and show that sequence reconstruction generates smaller confidence intervals and different ancestral values than other reconstruction methods. Unbiased random walk simulation indicates that the lower temperature members of the Thermotogales have been under directional selection; however, when a simulation is performed that takes possible mutations into account, it is the high temperature lineages that are, in fact, under directional selection. We find that the evolution of Thermotogales optimal growth temperatures is best fit by a biased random walk model. These findings suggest that it may be easier to evolve from a high optimal growth temperature to a lower one than vice versa.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,236
Écart entre enseignants0,227 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations10
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular Biology and EvolutionMême sujetGenomics and Phylogenetic StudiesTravaux en français237 207