The Power-Law-Tail in the Distribution of the Nucleotides of Genomes Was Related to the Complexity of Organism: New Classification of Organisms
Notice bibliographique
Résumé
We proposed a new index of the classification of organisms (cells) based on the appearance frequency of four nucleotides (bases) of various genomes. In double logarithmic plot of L (distance of a base to the next base, x-axis) vs F (frequencies of a base at L, y-axis), each value of four bases was expressed in y = ae-bx at L = 1 ~ 15, and y = Ux + W (power-law-tail) at L = more than 16 bases, respectively, in a single-strand of DNA. The a-, b- and U-values (slope) of four bases were resulted from the GC-content (%) and the size (nt) of the genome. Moreover, each value was identical as A to T, and as G to C, respectively, in one organism. The power-law-tail should be unique to the genomes of the same species, the eukaryotes, the prokaryotes. The eukaryotic genomes were essentially composed of great number of bases with plural long power-law-tail regions when compared with those of the prokaryotes. In the prokaryotes, the base-distribution was partitioned at L = 20, and the U-values (base-distribution in power-law-tail region) of the archaea were similar to the eukaryotes compared with those of the eubacteria. Thus, the power-law-tail of the genomic DNA should be come from the structural features of the cells, i.e., the size, the GC-content and other characteristics of the genomic DNA. These results indicated that the power-law-tail would be specific for the complexity of organisms in individual genome, and might be a new index for cells.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».