Using phylogenetic information and chemical properties to predict species tolerances to pesticides
Notice bibliographique
Résumé
Direct estimation of species' tolerance to pesticides and other toxic organic substances is a combinatorial problem, because of the large number of species-substance pairs. We propose a statistical modelling approach to predict tolerances associated with untested species-substance pairs, by using models fitted to tested pairs. This approach is based on the phylogeny of species and physico-chemical descriptors of pesticides, with both kinds of information combined in a bilinear model. This bilinear modelling approach predicts tolerance in untested species-compound pairs based on the facts that closely related species often respond similarly to toxic compounds and that chemically similar compounds often have similar toxic effects. The three tolerance models (median lethal concentration after 96 h) used up to 25 aquatic animal species and up to nine pesticides (organochlorines, organophosphates and carbamates). Phylogeny was estimated using DNA sequences, while the pesticides were described by their mode of toxic action and their octanol-water partition coefficients. The models explained 77-84% of the among-species variation in tolerance (log10 LC50). In cross-validation, 84-87% of the predicted tolerances for individual species were within a factor of 10 of the observed values. The approach can also be used to model other species response to multivariate stress factors.
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 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».