Influence des expansions de territoire sur la capacité des approches en génomique du paysage d’identifier les gènes adaptatifs
Bibliographic record
Abstract
Avec les changements climatiques et les perturbations humaines, de nombreuses espèces changent leurs aires de répartition. Dans ce contexte, l’identification de loci potentiellement adaptatifs chez ces populations en expansion est importante pour mieux comprendre le potentiel évolutif et la capacité d’envahissement de ces espèces. Toutefois, chez les espèces en expansion de territoire, tel le dendroctone du pin, les processus démographiques comme le surf d’allèles peuvent résulter en des patrons spatiaux de variation génétique neutre qui imitent ceux issus des processus adaptatifs. Ce phénomène gonfle le taux de faux-positif d’identification des loci adaptatifs et confond ainsi les méthodes de génomique du paysage. Dans le cadre de ce projet de maîtrise, j’ai étudié le développement des structures génétiques neutres et adaptatives lors d’une expansion de territoire. Je me suis attardé particulièrement sur l’influence de différentes conditions démographiques sur le taux de loci neutres qui imitent les patrons spatiaux de ceux adaptatifs, en menant une revue de littérature et en utilisant le système épidémique du dendroctone du pin pour paramétrer un modèle de simulations. J’ai simulé les dynamiques démographiques et génétiques des populations de dendroctones à l’aide du modèle de simulation génétique explicitement spatial CDmetaPOP. J’ai analysé les conséquences de trois facteurs sur le taux de faux-positif : 1) la capacité de dispersion; 2) le moment d’échantillonnage durant l’expansion de territoire; et 3) la force de sélection agissant sur le locus adaptatif de référence. J’ai démontré qu’une combinaison de faible capacité de dispersion, faible sélection et un échantillonnage tôt au début de l’expansion contribuent à un plus grand taux de faux-positif, alors qu’une forte capacité de dispersion conduit à de plus faibles taux de faux-positif. Lorsque les méthodes de génomique du paysage sont utilisées dans ces conditions, elles risquent d’avoir un haut taux de loci neutres identifiés comme adaptatifs et doivent donc être interprétées avec prudence. La situation démographique complexe que présente le système actuel du dendroctone (et d’autres espèces irruptives et envahissantes) rend l’identification d’allèles adaptatifs plus difficile. Les résultats de ce projet encouragent l’incorporation de ces processus démographiques dans les méthodes de génomique du paysage.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".