<scp>AF‐vapeR</scp> : A multivariate genome scan for detecting parallel evolution using allele frequency change vectors
Notice bibliographique
Résumé
Abstract The repeatability of evolution at the genetic level has been demonstrated to vary along a continuum from complete parallelism to divergence. In order to better understand why this continuum exists within and among systems, hypotheses must be tested using high‐confidence candidate loci for repeatability. However, few methods have been developed to scan SNP data for signatures specifically associated with repeatability, as opposed to local adaptation. We present AF‐vapeR (Allele Frequency Vector Analysis of Parallel Evolutionary Responses), an approach designed to identify genomic regions exhibiting highly correlated allele frequency changes within haplotypes and among replicated allele frequency change vectors. The method divides the genome into windows of an equivalent number of SNPs, and within each window performs eigen decomposition over normalised allele frequency change vectors (AFVs), each derived from a replicated pair of populations/species. Properties of the resulting eigenvalue distribution can be used to compare regions of the genome for those exhibiting strong geometric parallelism, and can also be compared against a null distribution derived from randomly permuted AFVs. Furthermore, the shape of the eigenvalue distribution can reveal multiple axes of parallelism within datasets. We demonstrate the utility of this approach to detect different modes of parallel evolution using simulations, and a reduced type‐II error rate compared with intersecting F ST outliers. Lastly, we apply AF‐vapeR to four previously published datasets (stickleback, Drosophila , guppies and Galapagos finches) which comprise a range of sampling and sequencing strategies, and lineage ages. We detect known parallel regions while also identifying novel candidates. The main benefits of this approach include a reduced false‐negative rate under many conditions, an emphasis on signals associated specifically with repeatable evolution as opposed to local adaptation, and an opportunity to identify different modes of parallel evolution at the first instance.
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 | 0,001 | 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 | 0,001 | 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 ».