Unbroken: RADseq remains a powerful tool for understanding the genetics of adaptation in natural populations
Notice bibliographique
Résumé
Recently, Lowry et al. addressed the ability of RADseq approaches to detect loci under selection in genome scans. While the authors raise important considerations, such as accounting for the extent of linkage disequilibrium in a study system, we strongly disagree with their overall view of the ability of RADseq to inform our understanding of the genetic basis of adaptation. The family of RADseq protocols has radically improved the field of population genomics, expanding by several orders of magnitude the number of markers available while substantially reducing the cost per marker. Researchers whose goal is to identify regions of the genome under selection must consider the LD of the experimental system; however, there is no magical LD cutoff below which researchers should refuse to use RADseq. Lowry et al. further made two major arguments: a theoretical argument that modeled the likelihood of detecting selective sweeps with RAD markers, and gross summaries based on an anecdotal collection of RAD studies. Unfortunately, their simulations were off by two orders of magnitude in the worst case, while their anecdotes merely showed that it is possible to get widely divergent densities of RAD tags for any particular experiment, either by design or due to experimental efficacy. We strongly argue that RADseq remains a powerful and efficient approach that provides sufficient marker density for studying selection in many natural populations. Given limited resources, we argue that researchers should consider a wide range of trade-offs among genomic techniques, in light of their study question and the power of different techniques to answer 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 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 | 0,054 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,017 |
| Communication savante | 0,009 | 0,022 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,010 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,005 |
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 ».