Variance modelling of longitudinal height data from a<i>Pinus radiata</i>progeny test
Notice bibliographique
Résumé
Variance components were estimated using alternative structures for the additive genetic covariance matrix (G0), for height (m) of trees measured at 10 unequally spaced ages in an open-pollinated progeny test. These structures reflected unstructured, autoregressive, banded correlation and random regressions models. The residual matrix (R0) was unstructured, and the block and plot strata matrices were autoregressive. The best model for G0considering the likelihood value and number of parameters was the autoregressive correlation form with age-specific variances and time on a natural logarithm basis. The genetic correlation between successive measures ranged from 0.93 at age 1 to 0.99 at age 14 years. Heritability increased with age from 0.09 (age 1) to 0.24 (age 7) and then declined to 0.13 at age 15. Heritabilities from the unstructured model were similar, while heritabilities assuming banded correlations were lower after age 7. The covariance structure implicit in the random regressions model was considered unsatisfactory. Using structures in G0facilitated model fitting and convergence of the likelihood maximisation algorithm. Fitting a structured matrix that reflects the relationships present in repeated measures may overcome problems of nonpositive definiteness of unstructured matrices from longitudinal data, especially when genetic variation is small.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».