• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Evolution Letters >A note on measuring natural selection on principal component scores
【2h】

A note on measuring natural selection on principal component scores

机译：关于测量主成分得分自然选择的注意事项

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Measuring natural selection through the use of multiple regression has transformed our understanding of selection, although the methods used remain sensitive to the effects of multicollinearity due to highly correlated traits. While measuring selection on principal component (PC) scores is an apparent solution to this challenge, this approach has been heavily criticized due to difficulties in interpretation and relating PC axes back to the original traits. We describe and illustrate how to transform selection gradients for PC scores back into selection gradients for the original traits, addressing issues of multicollinearity and biological interpretation. In addition to reducing multicollinearity, we suggest that this method may have promise for measuring selection on high‐dimensional data such as volatiles or gene expression traits. We demonstrate this approach with empirical data and examples from the literature, highlighting how selection estimates for PC scores can be interpreted while reducing the consequences of multicollinearity
机译：通过使用多元回归来衡量自然选择，已经改变了我们对选择的理解，尽管由于高度相关的性状，所使用的方法对多重共线性的影响仍然很敏感。尽管测量主成分（PC）分数的选择显然是解决这一难题的方法，但由于难以理解以及将PC轴与原始特征相关联，这种方法受到了广泛的批评。我们描述和说明了如何将PC分数的选择梯度转换回原始特征的选择梯度，解决了多重共线性和生物学解释的问题。除了减少多重共线性之外，我们建议该方法可能对测量高维数据（如挥发物或基因表达特征）的选择具有希望。我们用经验数据和文献中的例子证明了这种方法，重点介绍了如何解释PC分数的选择估计值，同时减少多重共线性的后果

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号