Estimating Heritabilities and Genetic Correlations with Marker-Based Methods: An Experimental Test in Mimulus guttatus
Notice bibliographique
Résumé
The calculation of heritabilities and genetic correlations, which are necessary for predicting evolutionary responses, requires knowledge about the relatedness between individuals. This information is often not directly available, especially not for natural populations, but can be inferred by using molecular markers such as allozymes. Several methods based on inferred relatedness from marker data have been developed to estimate heritabilities and genetic correlations in natural populations. Most methods use maximum-likelihood procedures to assign pairs or groups of individuals to predefined discrete relatedness classes (e.g., half sibs and unrelated individuals). The Ritland method, on the other hand, uses method of moments estimators to estimate pairwise relatedness among individuals as continuous values. We tested both the Ritland method and a maximum-likelihood method by applying them to a greenhouse population consisting of seed families of the herb Mimulus guttatus and comparing the results to the ones from a frequently used standard method based on half-sib families. Estimates of genetic correlations were far from accurate, especially when we used the Ritland method. However, this study shows that even with a few variable allozyme loci, it is possible to get qualitatively good indications about the presence of heritable genetic variation from marker-based methods, even though both methods underestimated it.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».