Data and code for "A Linear Time Solution to the Labeled Robinson-Foulds Distance Problem"
Notice bibliographique
Résumé
Data and code for "A Linear Time Solution to the Labeled Robinson-Foulds Distance Problem" Samuel Briand, Christophe Dessimoz, Nadia El-Mabrouk, Yannis Nevers Experimental data The __ALF\_Output__ directory contains the results obtained from ALF with parameters specified in the paper, as well as additional files generated in the downstream analysis (see below) The __Partitions__ directory contains one directory by partitioning of the 100 species from ALF in nested sets. Each contains three folder and a file. The summary.txt directory report which family are part of the nested set. The Allfamily directory contains the FASTA file of the 100 gene families generated with ALF, with only the species selected in the partition. The Aln directory contains the MSA for each gene family as generated with MAFFT with the selected species set The FTree directory contains the gene tree for each family as generated with FastTree with the selected species set The __Script__ directory containst the files used to generated the data from the ALF directory, as well as downstream analysis To reproduce the results start by runing __rewriteSeq.py__ , which is used for generating the Partitions. It takes as parameter the ALF directory, the directory in which you wish to generate the partitions, and the path to ALF's genomes FASTA files. If the partition file already exist, you can use the -r option to redo the random selection, otherwise it will generate file for the previous random selection. Example command : python rewriteSeq.py -i ../ALF\_output -o ../Partitions -g ../ALF\_output/DB Then, by runing __rewriteTree.py__ you will generated the reference trees used for the RF comparisons, as well as species tree used for each partitions. It takes as parameters the ALF directory , the Partitions directory and the species file of the partitions used to create the reference tree (smallest of all partitions) Example command : python rewriteTree.py -i ../ALF\_output/ -p ../Partitions/ -s ../Partitions/Part10/summary.txt Then, the script __launchFastTree.sh__ will, by partitions, generate a MSA using MAFFT and a phylogenetic tree using FastTree. It takes as parameter the Partitions directory and the number of the identifier of the partition for which you wish tu run it. Notes that the afforementionned software need to be installed before hand. Example command: bash launchFastTree.sh ../Partitions 10 Finally, the __LRFAnalysis.ipynb__ file is a Jupyer Notebook used to run downstream analysis of RF and LRF on the different Partitions, including figure generation. Path to the data directory can be set in the 4th block of the Notebook. Comparison of RF, LRF, and ELRF The code to compare is provided as a Jupyter notebook in the directory "Comparison with RF and ELRF". The input NOX4 family from Ensembl version 99 is provided. The output figures are provided as PDF but they can be regenerated by running the notebook.
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 | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,309 | 0,206 |
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 ».