MétaCan
Menu
← Retour à la cohorte
Enregistrement W4255149369 · doi:10.22215/etd/2017-12009

Navigating Molecular Evolution Using Substitution Mappings

2017· dissertation· en· W4255149369 sur OpenAlexaff
Andrew Low

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Phylogenetic Studies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésSubstitution (logic)Amino acid substitutionComputer scienceSubstitution methodAmino acidBayesian probabilityType (biology)Molecular evolutionAlgorithmArtificial intelligenceChemistryPhylogenetic treeBiologyMutationBiochemistryProgramming language

Résumé

récupéré en direct d'OpenAlex

Since first proposed in 2002, Bayesian substitution mappings have found less use than might have been expected in the field of molecular evolution.Here, I first create a sequence simulator capable of generating true substitution mappings for simulated data under any time-reversible model in order to facilitate study of substitution mappings.I then investigate the utility of substitution mappings for two applications: detection of coevolving residues and scoring of amino acid substitution radicality to test the predictions of the nearly neutral theory.I find that mappings perform poorly for coevolution detection, but using mappings to find the radicality of an average amino acid substitution by scoring each observed substitution works well.Overall, substitution mappings look to be a potentially useful tool for some types of molecular evolution studies.iii 4.5 Correlation coefficients for a relationship between body size and Kr/Kc for the polarity-volume model.Far more genes than would be expected under a null model have positive correlation coefficients. . . . . . . .42 4.6 Boxplot of ω for each gene in which the three-ω model was a significant improvement over the null model.Large-bodied species show a significantly higher average ω than small-bodied species. . . . . . . .43x

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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,014
Tête enseignante GPT0,294
Écart entre enseignants0,280 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGenomics and Phylogenetic Studies→Travaux en français237 207→