Extending quantitative genetic models to estimate mutational variance
Notice bibliographique
Résumé
Dette prosjektet introduserer utvidelser av dyremodellen, en type generalisert lineær blandet modell innen kvantitativ genetikk. Modellen utnytter informasjonen i en kjent slektskapsstruktur for dyre- eller plantepopulasjoner for å dele deres fenotypiske variasjon inn i miljøeffekter og additive genetiske effekter, samt å undersøke påvirkningen andre faktorer har på det fenotypiske trekket. I ville studiepopulasjoner kan dyremodellen hjelpe til med å skaffe spesifikk kunnskap som spesielt trengs innen konservering, for eksempel ved å kvantifisere evolusjonære responser på både naturlige og kunstige prosesser.\n\nMutasjoner er foreslått som en forklaring på den kontinuerlige responsen i langvarige seleksjonseksperimenter hvor det forventes at et seleksjonsplatå er nådd. Som et verktøy til å utforske denne teorien, foreslår og undersøker vi en metode for å separere mutasjonsvarians fra andre kilder til additiv genetisk varians i dyremodellen, basert på den kjente slektskapsstrukturen.\n\nSom et eksempel, inkluderer vi mutasjonseffekter i en dyremodell med data fra en sangspurv-populasjon på øya Mandarte i Canada, implementert i de Bayesiske rammeverkene INLA og Stan. I tillegg benytter vi en resamplingsmetode for å se på årlige endringer i tilfeldige effekter og de tilsvarende variansene. Som forventet fra tidligere innsikt fra andre populasjoner, står den estimerte økningen i additiv genetisk varians, fra en generasjon til den neste, for en mindre del av den totale fenotypiske variansen, men resamplingen avdekker en rask økning over tid. Dette indikerer et overraskende stort tilskudd av additiv genetisk varians fra mutasjoner, men det finnes tegn til overestimering. Videre arbeid bør inneholde testing på simulerte data, noe som trolig vil vise at mutasjonsvariansen ikke er fullstendig separert fra andre additive genetiske effekter.
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 | 0,007 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».