Construction of amino acid rate matrices and extensions of the Barry and Hartigan model for phylogenetic inference
Notice bibliographique
Résumé
This thesis considers two distinct topics in phylogenetic analysis. The first is\nconstruction of empirical rate matrices for amino acid models. The second topic,\nwhich constitutes the majority of the thesis, involves analysis of and extensions to\nthe BH model of Barry and Hartigan (1987).\nThere are a number of rate matrices used for phylogenetic analysis including\nthe PAM (Dayhoff et al. 1979), JTT (Jones et al. 1992) and WAG (Whelan and\nGoldman 2001). The construction of each of these has difficulties. To avoid adjusting\nfor multiple substitutions, the PAM and JTT matrices were constructed using only\na subset of the data consisting of closely related species. The WAG model used\nan incomplete maximum likelihood estimation to reduce computational cost. We\ndevelop a modification of the pairwise methods first described in Arvestad and Bruno\nthat better adjusts for some of the sparseness difficulties that arise with amino acid\ndata.\nThe BH model is very flexible, allowing separate discrete-time Markov processes\nto occur along different edges. We show, however, that an identifiability\nproblem arises for the BH model making it difficult to estimate character state frequencies\nat internal nodes. To obtain such frequencies and edge-lengths for BH\nmodel fits, we define a nonstationary GTR (NSGTR) model along an edge, and find\nthe NSGTR model that best approximates the fitted BH model. The NSGTR model\nis slightly more restrictive but allows for estimation of internal node frequencies and interpretable edge lengths.\nWhile adjusting for rates-across-sites variation is now common practice in phylogenetic\nanalyses, it is widely recognized that in reality evolutionary processes can\nchange over both sites and lineages. As an adjustment for this, we introduce a BH\nmixture model that not only allows completely different models along edges of a\ntopology, but also allows for different site classes whose evolutionary dynamics can\ntake any form.
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 | 0,010 | 0,032 |
| 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 | 0,002 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».