Understanding genetic diversity lies at the heart of population genetics. In this thesis, we explore the approach of individual-based models to study dormancy and large stochastic variance of offspring distributions both under the influence of positive selection. We then continue to assess the suitability of graph neural networks to capture some of the diversity structured in the form of the ancestral recombination graph.
Übersetzte Kurzfassung:
Das Verstehen genetischer Vielfalt steht im Mittelpunkt der Populationsgenetik. In dieser Arbeit untersuchen wir den Ansatz individuen-basierter Modelle um Dormanz und große stochastische Varianz der Nachkommenschaft unter dem Einfluss positiver Selektion zu untersuchen. Anschließend bewerten wir die Eignung von neuronalen Graphennetzen zur Erfassung eines Teils dieser Vielfalt, die in Form des Ahnenrecombinationsgraphs strukturiert ist.