MétaCan
Menu
Retour à la cohorte
Enregistrement W2743702397 · doi:10.1126/science.aam9425

Genomic estimation of complex traits reveals ancient maize adaptation to temperate North America

2017· article· en· W2743702397 sur OpenAlexaff
Kelly Swarts, Rafał M. Gutaker, Bruce F. Benz, Michael Blake, Robert Bukowski, James B. Holland, Melissa Kruse-Peeples, Nicholas Lepak, Lynda Prim, M. Cinta Romay, Jeffrey Ross‐Ibarra, José de Jesús Sánchez González, Chris A. Schmidt, Verena J. Schuenemann, Johannes Krause, R. G. Matson, Detlef Weigel, Edward S. Buckler, Hernán A. Burbano

Notice bibliographique

RevueScience · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Mapping and Diversity in Plants and Animals
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institute of Food and AgricultureMax-Planck-GesellschaftNational Science Foundation
Mots-clésTemperate climateAdaptation (eye)BiologyPopulationAgricultureGeographyEcologyDemography

Résumé

récupéré en direct d'OpenAlex

By 4000 years ago, people had introduced maize to the southwestern United States; full agriculture was established quickly in the lowland deserts but delayed in the temperate highlands for 2000 years. We test if the earliest upland maize was adapted for early flowering, a characteristic of modern temperate maize. We sequenced fifteen 1900-year-old maize cobs from Turkey Pen Shelter in the temperate Southwest. Indirectly validated genomic models predicted that Turkey Pen maize was marginally adapted with respect to flowering, as well as short, tillering, and segregating for yellow kernel color. Temperate adaptation drove modern population differentiation and was selected in situ from ancient standing variation. Validated prediction of polygenic traits improves our understanding of ancient phenotypes and the dynamics of environmental adaptation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,271
Écart entre enseignants0,237 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations241
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetGenetic Mapping and Diversity in Plants and AnimalsTravaux en français237 207