AUTOEB: A Software for Systematically Evaluating Bipartitions in a Phylogenetic Tree Employing an Approximately Unbiased Test
Notice bibliographique
Résumé
The core of molecular phylogeny is the inference of a tree diagram representing the evolutionary relatedness among nucleotide or amino acid sequences. In addition, evaluating the credibility of “bipartitions,” each of which splits the inferred tree into two subtrees, is an indispensable part of modern phylogenetic studies. The most popular method for examining the credibility of bipartitions in a phylogenetic tree is the bootstrap. In the maximum likelihood framework, two alternative methods for the bootstrap, UFBoot2 and SH-aLRT, are available. In this study, we propose a new software “AUTOEB,” which evaluates bipartitions in a given phylogenetic tree employing an approximately unbiased (AU) test. For each bipartition, the software generates two alternative trees from a given tree by disrupting the bipartition of interest with the minimum changes in tree topology and compares them by the AU test. In the case of either or both alternative trees failing to be rejected, the software calls the particular bipartition “unresolved” and otherwise “resolved.” We phylogenetically analyzed four empirical sequence data and demonstrated that AUTOEB can provide an alternative criterion toward bipartitions that received high support values from the pre-existed methods, and help to evade potential false interpretations based on phylogenetic trees.
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 | 0,000 | 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 | 0,000 | 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 ».