SuperAPI AI 工具集

molecular-biology-and-evolution

通用与其它

查看项目

更新于 10-15 20:09

技能介绍

用途:该技能用于判断一篇分子演化、系统发育或群体遗传学研究是否适合投向 Molecular Biology and Evolution(MBE,SMBE 会刊,牛津大学出版社出版),并在不契合时给出重新框定或改投建议。它属于选题适配与投稿定位工具,不替代期刊最新官方投稿指南。

主要能力:覆盖系统发育推断、分歧时间估计、祖先状态重建、群体遗传学推断(人口模型、溯祖方法、连锁不平衡、自然群体选择检测)、分子适应与正选择(全基因组扫描、dN/dS、密码子演化、多基因适应)、演化基因组学、分子钟与化石校准、表型演化的分子基础等主题。可输出适配度(高/中/低)、目标期刊、主题标签、方法与证据评估、最大拒稿风险、需复核的官方事项及改投建议。

使用方式:当作者指定 MBE 为目标期刊、需要把基因组或序列分析改框为分子演化叙事、开发系统发育或选择检测新方法、或在 MBE 与 Genome Biology、Nature Ecology & Evolution 之间选择时触发。使用前应查阅官方来源锚点,并在 MBE 牛津学术站点检索最新作者指南,以官方说明为准。

适用场景与限制:方法类论文需通过模拟、实证基准与敏感性分析证明性能优势,软件须公开并有文档;实证论文须使用当前最佳统计方法、明确模型依据并量化不确定性;正选择结论须处理多重检验、群体结构与人口史混杂;数据与代码需存入 Dryad、Zenodo、GitHub 等,序列数据存入 GenBank/SRA。纯描述性比较基因组学、仅增加分类单元的树、无敏感性分析的群体遗传结论、无基准的软件论文、仅附带使用序列数据的生态学研究易被拒稿。文章类型、长度、数据存放、开放获取、利益冲突与预印本政策等须以官方最新要求为准。