MétaCan
Menu
Retour à la cohorte
Enregistrement W2970830508 · doi:10.1101/748178

Genomic history and ecology of the geographic spread of rice

2019· preprint· en· W2970830508 sur OpenAlexaff
Rafał M. Gutaker, Simon C. Groen, Emily S. Bellis, Jae Young Choi, Inês Pires, R. Kyle Bocinsky, Emma Slayton, Olivia Wilkins, Cristina Castillo, Sónia Negrão, M. Margarida Oliveira, Dorian Q. Fuller, Jade d’Alpoim Guedes, Jesse R. Lasky, Michael D. Purugganan

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2019
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Mapping and Diversity in Plants and Animals
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Institute of Food and AgricultureSight Research UKFundação para a Ciência e a TecnologiaNatural Environment Research CouncilLife Sciences Research FoundationGordon and Betty Moore FoundationNational Science FoundationZegar Family FoundationU.S. Department of Agriculture
Mots-clésBiological dispersalDomesticationTemperate climateEcologyOryza sativaBiologyGenetic diversityAbiotic componentSeed dispersalDemographic historyGeographyJaponicaGenetic variationBotanyGeneticsGeneDemography

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Rice ( Oryza sativa ) is one of the world’s most important food crops. We reconstruct the history of rice dispersal in Asia using whole-genome sequences of >1,400 landraces, coupled with geographic, environmental, archaeobotanical and paleoclimate data. We also identify extrinsic factors that impact genome diversity, with temperature a leading abiotic factor. Originating ∼9,000 years ago in the Yangtze Valley, rice diversified into temperate and tropical japonica during a global cooling event ∼4,200 years ago. Soon after, tropical rice reached Southeast Asia, where it rapidly diversified starting ∼2,500 yBP. The history of indica rice dispersal appears more complicated, moving into China ∼2,000 yBP. Reconstructing the dispersal history of rice and its climatic correlates may help identify genetic adaptation associated with the spread of a key domesticated species. One sentence summary We reconstructed the ancient dispersal of rice in Asia and identified extrinsic factors that impact its genomic diversity.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,181
Écart entre enseignants0,172 · 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

Citations18
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetGenetic Mapping and Diversity in Plants and AnimalsTravaux en français237 207