MétaCan
Menu
Retour à la cohorte
Enregistrement W4409216400 · doi:10.1093/molbev/msag117

IQ-TREE 3: Phylogenomic Inference Software using Complex Evolutionary Models

2025· preprint· en· W4409216400 sur OpenAlexafffund
Thomas K. F. Wong, Nhan Ly-Trong, Huaiyan Ren, Hector Baños, Andrew J. Roger, Edward Susko, Chris Bielow, Nicola De Maio, Nick Goldman, Matthew W. Hahn, Gavin Huttley, Robert Lanfear, Bùi Quang Minh

Notice bibliographique

RevueMolecular Biology and Evolution · 2025
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEvolution and Genetic Dynamics
Établissements canadiensDalhousie University
Organismes subventionnairesCentre for Innovation in Biomedical Imaging Technology, Australian Research CouncilNational Cancer InstituteBiotechnology and Biological Sciences Research CouncilNatural Sciences and Engineering Research Council of CanadaMedical Research CouncilChan Zuckerberg InitiativeNational Institute for Health and Care ResearchCentre of Excellence for Quantum Computation and Communication Technology, Australian Research CouncilNational Computational InfrastructureEMBL AustraliaNational Foundation for Science and Technology DevelopmentEuropean Molecular Biology LaboratoryAustralian GovernmentGordon and Betty Moore FoundationNational Science Foundation
Mots-clésInferenceComputer scienceTree (set theory)Software evolutionPhylogenomicsSoftwareMachine learningArtificial intelligencePhylogeneticsBiologyProgramming languageSoftware developmentMathematicsCladeGenetics

Résumé

récupéré en direct d'OpenAlex

IQ-TREE (https://iqtree.github.io/) is a widely used open-source software tool for efficiently inferring phylogenetic trees under maximum likelihood. Here, we present IQ-TREE version 3, the third major release of the software. IQ-TREE 3 significantly extends version 2 with new features, including mixture models as an alternative to partitioned models, gene and site concordance factors to quantify discordance between genomic regions, integration with phylogenomic divergence time estimation, and a fully featured sequence simulator. The IQ-TREE 3 source code is available at https://github.com/iqtree/iqtree3.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,233

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0050,004
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0700,038

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,306
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreLogiciel

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations331
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular Biology and EvolutionMême sujetEvolution and Genetic DynamicsTravaux en français237 207