ParallelEvolCCM: Quantifying co-evolutionary patterns among genomic features
Notice bibliographique
Résumé
Abstract Concerted gains and losses of genomic features such as genes and mobile genetic elements can provide key clues into related functional roles and shared evolutionary trajectories. By capturing phylogenetic signals, a co-evolutionary model can outperform comparative methods based on shared presence and absence of features.We previously developed the Community Coevolution Model, which represents the gain/loss probability of each feature as a combination of its own intrinsic rate, combined the joint probabilities of gain and loss with all other features. Originally implemented as an R library, we have now developed a R wrapper that adds parallelization and several options to pre-filter the features to increase the efficiency of comparisons. Here we describe the functionality of EvolCCM and apply it to a dataset of 1000 genomes of the genus Bifidobacterium. ParallelEvolCCM is released under the MIT license and available at https://github.com/beiko-lab/arete/blob/master/bin/ParallelEvolCCM.R . Significance Statement Patchy phylogenetic distributions of genes, mobile genetic elements, and other genomic features can constitute evidence for lateral gene transfer. Comparing the presence/absence patterns of multiple features can reveal important associations among them, but the phylogenetic relationships must be taken into consideration in order to avoid spurious correlations. Our new ParallelEvolCCM software embeds these comparisons in a coevolutionary framework, offers a range of options to optimize the speed and comparisons, and offers helper scripts to visualize relationships among features.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,006 |
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 ».