SimBit: A high performance, flexible and easy‐to‐use population genetic simulator
Notice bibliographique
Résumé
SimBit is a general purpose, high performance forward-in-time population genetics simulator. SimBit can simulate a wide variety of selection scenarios (any selection and dominance coefficients variation, any epistatic interaction, any spatial and temporal changes of selection scenario, etc.), demographic scenarios (any changes in patch sizes, migration rates, realistic demography dependent on fecundity, hard vs. soft selection, exponential vs. logistic growth, gametic or zygotic dispersion, etc.) and mating systems (cloning and selfing rates, hermaphrodites or males and females). SimBit can also track QTLs (with hyperdimensional phenotypes, explicit fitness landscape, plasticity, developmental noise, etc.). Finally, SimBit can simulate multiple species with their ecological relationships. SimBit comes with a R wrapper that simplifies the management of an entire research project from the creation of a grid of parameters and corresponding inputs, running simulations and gathering outputs for analysis. SimBit's performance was extensively benchmarked in comparison to SLiM, Nemo and SFS_CODE, varying population size, recombination rate, mutation rate, and the number of loci. I also reproduced simulations from previous studies, benchmarked QTLs and coalescent tree recording techniques. SimBit was most often the highest performing program with the only notable exception of SLiM outperforming SimBit in scenarios with few loci and low genetic 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».