Probabilité et temps de fixation à lâaide de processus ancestraux
Notice bibliographique
Résumé
Ce mémoire analyse lâespérance du temps de fixation conditionnellement à \nce quâelle se produise et la probabilité de fixation dâun nouvel allèle mutant\ndans des populations soumises à différents phénomènes biologiques en uti-\nlisant lâapproche des processus ancestraux. Tout dâabord, lâarticle de Tajima\n(1990) est analysé et les différentes preuves y étant manquantes ou incomplètes\nsont détaillées, dans le but de se familiariser avec les calculs du temps de fixa-\ntion. Lâétude de cet article permet aussi de démontrer lâimportance du temps\nde fixation sur certains phénomènes biologiques. Par la suite, lâeffet de la sé-\nlection naturelle est introduit au modèle. Lâarticle de Mano (2009) cite un ré-\nsultat intéressant quant à lâespérance du temps de fixation conditionnellement\nà ce que celle-ci survienne qui utilise une approximation par un processus de\ndiffusion. Une nouvelle méthode utilisant le processus ancestral est présentée\nafin dâarriver à une bonne approximation de ce résultat. Des simulations sont\nfaites afin de vérifier lâexactitude de la nouvelle approche. Finalement, un mo-\ndèle soumis à la conversion génique est analysé, puisque ce phénomène, en\nprésence de biais, a un effet similaire à celui de la sélection. Nous obtenons\nfinalement un résultat analytique pour la probabilité de fixation dâun nouveau\nmutant dans la population. Enfin, des simulations sont faites afin de détermi-\nnerlaprobabilitédefixationainsiqueletempsdefixationconditionnellorsque\nles taux sont trop grands pour pouvoir les calculer analytiquement.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».