A dynamic ancestral graph model and GPU‐based simulation of a community based on metagenomic sampling
Notice bibliographique
Résumé
In this paper, we present an ancestral graph model of the evolution of a guild in an ecological community. The model is based on a metagenomic sampling design in that a random sample is taken at the community, as opposed the taxon, level and species are discovered by genetic sequencing. The specific implementation of the model envisions an ecological guild that was founded by colonization at some point in the past that then potentially undergoes diversification by natural selection. Within the graph, species emerge and evolve through the diversification process and their densities in the graph are dynamic and governed by both ecological drift and random genetic drift, as well as differential viability. We employ the 3% sequence divergence rule at a marker locus to identify operational taxonomic units. We then explore approaches to see whether there are indirect signals of the diversification process, including population genetic and ecological approaches. In terms of population genetics, we study the joint site frequency spectrum of OTUs, as well its associated statistics. In terms of ecology, we study the species (or OTU) abundance distribution. For both, we observe deviations from neutrality, which indicates that there may be signals of diversifying selection in metagenomic studies under certain conditions. The model is available as a GPU-based computer program in C/C++ and using OpenCL, with the long-term goal of adding functionality iteratively to model large-scale eco-evolutionary processes for metagenomic data.
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 ».