Evolvability and Pleiotropic Constraint
Notice bibliographique
Résumé
Evolvability is a population's ability to change its underlying genetic makeup through natural selection, to evolve. Most measures of short-term evolvability relate genetic change to the abundance and geometry of standing genetic variation, making the additional assumption that this structure is captured by the genetic variance-covariance matrix G; G applies in only the multivariate normal scenario. Because we observe non-normality in natural distributions and are often unable to verify statistically whether a particular distribution is normal, we propose an alternate approach to discussing the short-term evolvability of general populations. Changes in the underlying genetic makeup of a population are observed as changes in the relative frequency of the population's traits. This is fundamentally a change in distribution, and is best quantified using an information-theoretical approach. The resulting measure of evolvability and its constraints apply to any well-behaved distribution and are for normally distributed traits a function of G; we suggest that existing measures may be placed within our general formulation. Comparing the total constraint to the sum of univariate constraints on individual traits we quantify the constraint due to multivariate trait interactions; we propose this as an appropriate measure of pleiotropic constraint. We find that pleiotropic constraint is highly dependent on the total correlation information, and to advance towards a suitable null hypothesis for tests of pleiotropy we derive the distribution of this quantity under multivariate normal independence. For large system sizes this relates to the Marchenko-Pasteur distribution, and is approximately normal, obeying Lyapunov's central limit theorem. We demonstrate the unique theoretical and practical advantages of a distribution-level approach to evolvability using both simulated and real data from Drosophila. In line with intuition, incorrectly assuming an absence of non-normality in the distribution of phenotypic traits leads to underestimation of the evolutionary constraint.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».