Exploring Angiosperms353: Developing and applying a universal toolkit for flowering plant phylogenomics
Notice bibliographique
Résumé
Special Issue Introduction. \n \nTarget enrichment represents a useful, cost-effective method for researchers working on the phylogenomics of non-model organisms (e.g., Cronn et al., 2012; Hale et al., 2020). The ability to sequence a customizable predefined genomic subset for several dozens or even hundreds of taxa allows in-depth analyses and the testing of phylogenetic hypotheses in ways that were not previously possible (reviewed in McKain et al., 2018). The most popular methods for targeted sequencing of genomic loci in phylogenomics include (long-)amplicon sequencing (Rothfels et al., 2017) and hybridization capture (Mandel et al., 2014; Weitemier et al., 2014). Targeted amplicon sequencing is based on single-fragment PCR amplification or by using multiplexing methods such as a microfluidic PCR-based amplification of multiple pre-selected genomic regions (e.g., Zhang and Ozdemir, 2009; Ho et al., 2014), which can then be pooled and sequenced. Massively parallel amplicon sequencing was first used in medical diagnostics (Turner et al., 2009) and was later applied to metazoan phylogenetics (Bybee et al., 2011; O’Neill et al., 2013). Microfluidic PCR and long-amplicon sequencing were subsequently applied in plant systematics (Uribe-Convers et al., 2014, 2016; Gostel et al., 2015). Amplicon-based methods can be time consuming as they require careful optimization and validation of primers. These methods are also susceptible to many of the common problems in PCR (such as nonspecific products, inability to amplify large loci in their entirety, or simply no products). Recently, amplicon approaches have been largely supplanted by hybridization-based targeted enrichment, which allows for relatively rapid probe design with reference to a few related transcriptomes or genomes, and allows simultaneous and efficient recovery of many hundreds of genes.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».