Nonequivalent lethal equivalents: Models and inbreeding metrics for unbiased estimation of inbreeding load
Notice bibliographique
Résumé
Inbreeding depression, the deterioration in mean trait value in progeny of related parents, is a fundamental quantity in genetics, evolutionary biology, animal and plant breeding, and conservation biology. The magnitude of inbreeding depression can be quantified by the inbreeding load, typically measured in numbers of lethal equivalents, a population genetic quantity that allows for comparisons between environments, populations or species. However, there is as yet no quantitative assessment of which combinations of statistical models and metrics of inbreeding can yield such estimates. Here, we review statistical models that have been used to estimate inbreeding load and use population genetic simulations to investigate how unbiased estimates can be obtained using genomic and pedigree-based metrics of inbreeding. We use simulated binary viability data (i.e., dead versus alive) as our example, but the concepts apply to any trait that exhibits inbreeding depression. We show that the increasingly popular generalized linear models with logit link do not provide comparable and unbiased population genetic measures of inbreeding load, independent of the metric of inbreeding used. Runs of homozygosity result in unbiased estimates of inbreeding load, whereas inbreeding measured from pedigrees results in slight overestimates. Due to widespread use of models that do not yield unbiased measures of the inbreeding load, some estimates in the literature cannot be compared meaningfully. We surveyed the literature for reliable estimates of the mean inbreeding load from wild vertebrate populations and found an average of 3.5 haploid lethal equivalents for survival to sexual maturity. To obtain comparable estimates, we encourage researchers to use generalized linear models with logarithmic links or maximum-likelihood estimation of the exponential equation, and inbreeding coefficients calculated from runs of homozygosity, provided an assembled reference genome of sufficient quality and enough genetic marker data are available.
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 | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».