MétaCan
Menu
Retour à la cohorte
Enregistrement W2145065663 · doi:10.1098/rspb.2013.3055

Mainstreaming<i>Caenorhabditis elegans</i>in experimental evolution

2014· review· en· W2145065663 sur OpenAlexaff
Jeremy C. Gray, Asher D. Cutter

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2014
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of General Medical Sciences
Mots-clésCoevolutionCaenorhabditis elegansCaenorhabditisBiologyExperimental evolutionEvolutionary biologyMechanism (biology)Biological evolutionComputational biologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Experimental evolution provides a powerful manipulative tool for probing evolutionary process and mechanism. As this approach to hypothesis testing has taken purchase in biology, so too has the number of experimental systems that use it, each with its own unique strengths and weaknesses. The depth of biological knowledge about Caenorhabditis nematodes, combined with their laboratory tractability, positions them well for exploiting experimental evolution in animal systems to understand deep questions in evolution and ecology, as well as in molecular genetics and systems biology. To date, Caenorhabditis elegans and related species have proved themselves in experimental evolution studies of the process of mutation, host-pathogen coevolution, mating system evolution and life-history theory. Yet these organisms are not broadly recognized for their utility for evolution experiments and remain underexploited. Here, we outline this experimental evolution work undertaken so far in Caenorhabditis, detail simple methodological tricks that can be exploited and identify research areas that are ripe for future discovery.

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)0,005
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,005
Communication savante0,0020,005
Science ouverte0,0020,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,023
Tête enseignante GPT0,278
Écart entre enseignants0,255 · 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'étudeSans objet
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

Citations65
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetGenetics, Aging, and Longevity in Model OrganismsTravaux en français237 207