Suppr超能文献

帕累托任务推断中的系统发育和稳健性分析的控制。

Controls for Phylogeny and Robust Analysis in Pareto Task Inference.

机构信息

Klarman Cell Observatory, Eli and Edythe L. Broad Institute of Harvard and MIT, Cambridge, MA, USA.

Department of Molecular Cell Biology, Weizmann Institute of Science, Rehovot, Israel.

出版信息

Mol Biol Evol. 2022 Jan 7;39(1). doi: 10.1093/molbev/msab297.

Abstract

Understanding the tradeoffs faced by organisms is a major goal of evolutionary biology. One of the main approaches for identifying these tradeoffs is Pareto task inference (ParTI). Two recent papers claim that results obtained in ParTI studies are spurious due to phylogenetic dependence (Mikami T, Iwasaki W. 2021. The flipping t-ratio test: phylogenetically informed assessment of the Pareto theory for phenotypic evolution. Methods Ecol Evol. 12(4):696-706) or hypothetical p-hacking and population-structure concerns (Sun M, Zhang J. 2021. Rampant false detection of adaptive phenotypic optimization by ParTI-based Pareto front inference. Mol Biol Evol. 38(4):1653-1664). Here, we show that these claims are baseless. We present a new method to control for phylogenetic dependence, called SibSwap, and show that published ParTI inference is robust to phylogenetic dependence. We show how researchers avoided p-hacking by testing for the robustness of preprocessing choices. We also provide new methods to control for population structure and detail the experimental tests of ParTI in systems ranging from ammonites to cancer gene expression. The methods presented here may help to improve future ParTI studies.

摘要

了解生物体面临的权衡是进化生物学的主要目标之一。识别这些权衡的主要方法之一是 Pareto 任务推断(ParTI)。最近的两篇论文声称,由于系统发育依赖性(Mikami T,Iwasaki W. 2021. 翻转 t 比检验:表型进化的 Pareto 理论的系统发育信息评估。方法生态进化。12(4):696-706)或假设的 p 值操纵和群体结构问题(Sun M,Zhang J. 2021. ParTI 基于 Pareto 前沿推断的适应性表型优化的猖獗虚假检测。分子生物学与进化。38(4):1653-1664),ParTI 研究中获得的结果是虚假的。在这里,我们表明这些说法是没有根据的。我们提出了一种控制系统发育依赖性的新方法,称为 SibSwap,并表明已发表的 ParTI 推断对系统发育依赖性具有鲁棒性。我们展示了研究人员如何通过测试预处理选择的稳健性来避免 p 值操纵。我们还提供了控制群体结构的新方法,并详细介绍了从菊石到癌症基因表达的系统中的 ParTI 实验测试。这里提出的方法可能有助于改进未来的 ParTI 研究。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/2f4a/8763096/f82ae0d03545/msab297f1.jpg

文献AI研究员

20分钟写一篇综述,助力文献阅读效率提升50倍。

立即体验

用中文搜PubMed

大模型驱动的PubMed中文搜索引擎

马上搜索

文档翻译

学术文献翻译模型,支持多种主流文档格式。

立即体验