Assessing the impact of pedigree attributes on the validity of quantitative genetic parameter estimates
Notice bibliographique
Résumé
Investigating the evolution of complex traits in nature requires accurate assessment of their genetic basis. Quantitative genetic (QG) modeling is frequently applied to estimate the additive genetic variance (VA) in traits, combining phenotypic and pedigree data from a sample of individuals. Whether reconstructed from social links or molecular markers, empirical pedigrees differ in completeness, genealogical error rates, and other attributes that can impact QG estimation. Here we investigate this impact using human genealogical data for 6 French-Canadian (FC) populations originating from the same genetic founding source but differing in their pedigrees' attributes. First, we simulated phenotypic values along pedigrees and under different trait architectures and "true" parameter values (e.g., VA). Then we fitted mixed effects "animal" models to these simulated data, to assess how QG estimation was impacted by pedigree attributes. Our results show that pedigree size and depth were important determinants of the precision, but not accuracy, of genetic parameter estimates. In contrast, pedigree completeness and entropy, 2 attributes related to the density of genealogical links, were not clearly associated with the performance of parameter estimation. Noticeably, a slight increase in the genealogical error rate was sufficient to cause a detectable underestimation of VA. Including maternal genetic effects in the simulations led to a slight underestimation of VA with pedigrees of smaller size and depth. Despite originating from the same genetic source, the 6 pedigrees yielded wide variations in QG estimates under identical conditions. These findings highlight the importance of sensitivity analyses in pedigree-based genetic studies on natural populations.
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 | 0,046 | 0,182 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».