FLOCK Provides Reliable Solutions to the “Number of Populations” Problem
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
Identifying groups of individuals forming coherent genetic clusters is relevant to many fields of biology. This paper addresses the K-partition problem: given a collection of genotypes, partition those genotypes into K groups, each group being a sample of the K source populations that are represented in the collection of genotypes. This problem involves allocating genotypes to genetic groups while building those groups at the same time without the use of any other a priori information. FLOCK is a non-Markov chain Monte Carlo (MCMC) algorithm that uses an iterative method to partition a collection of genotypes into k groups. Rules to estimate K are formulated and their validity firmly established by running simulations under several migration rates, migration regimes, number of loci, and values of K. FLOCK tended to build clusters largely consistent with the source samples. The performance of FLOCK was also compared with that of STRUCTURE and BAPS. FLOCK provided more accurate allocations to clusters and more reliable estimates of K; it also ran much faster than STRUCTURE. FLOCK is based on an entirely novel approach and provides a true alternative to the existing, MCMC based, algorithms. FLOCK v.2.0 for microsatellites or for AFLP markers can be downloaded from http://www.bio.ulaval.ca/no_cache/departement/professeurs/fiche_des_professeurs/professeur/11/13/.
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 | 0,002 | 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 | 0,001 |
| 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