MétaCan
Menu
← Retour à la cohorte
Enregistrement W6929561761 · doi:10.5061/dryad.kg1kd5s

Data from: Urban rat races: spatial population genomics of brown rats (Rattus norvegicus) compared across multiple cities

2018· dataset· en· W6929561761 sur OpenAlexaffabout

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2018
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueFungal and yeast genetics research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésGene flowUrbanizationRange (aeronautics)PopulationPopulation genomicsSpatial analysis

Résumé

récupéré en direct d'OpenAlex

Urbanization often substantially influences animal movement and gene flow. However, few studies to date have examined gene flow of the same species across multiple cities. In this study, we examine brown rats (Rattus norvegicus) to test hypotheses about the repeatability of neutral evolution across four cities: Salvador, Brazil; New Orleans, USA; Vancouver, Canada; New York City, USA. At least 150 rats were sampled from each city and genotyped for a minimum of 15,000 genome-wide SNPs. Levels of genome-wide diversity were similar across cities, but varied across neighborhoods within cities. All four populations exhibited high spatial autocorrelation at the shortest distance classes (< 500 m) due to limited dispersal. Coancestry and evolutionary clustering analyses identified genetic discontinuities within each city that coincided with a resource desert in New York City, major waterways in New Orleans, and roads in Salvador and Vancouver. Such replicated studies are crucial to assessing the generality of predictions from urban evolution, and have practical applications for pest management and public health. Future studies should include a range of global cities in different biomes, incorporate multiple species, and examine the impact of specific characteristics of the built environment and human socioeconomics on gene flow.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,010

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 Opus0,039
Tête enseignante GPT0,303
Écart entre enseignants0,263 · 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
GenreJeu de données

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

En bref

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)→Même sujetFungal and yeast genetics research→Travaux en français237 207→