Multidimensional (Co)Evolutionary Stability
Notice bibliographique
Résumé
The complexity of biotic and abiotic environmental conditions is such that the fitness of individuals is likely to depend on multiple traits. Using a synthetic framework of phenotypic evolution that draws from adaptive dynamics and quantitative genetics approaches, we explore how the number of traits under selection influences convergence stability and evolutionary stability in models for coevolution in multidimensional phenotype spaces. Our results allow us to identify three different effects of trait dimensionality on stability. First are (i) a "combinatorial effect": without epistasis and genetic correlations, a higher number of trait dimensions offers more opportunities for equilibria to be unstable; and (ii) epistatic interactions, that is, fitness interactions between traits, which tend to destabilize evolutionary equilibria; this effect increases with the dimension of phenotype space. These first two effects influence both convergence stability and evolutionary stability, while (iii) genetic correlations (due, e.g., to pleiotropy or linkage disequilibrium) can affect only convergence stability. We illustrate the general prediction that increased dimensionality destabilizes evolutionary equilibria using examples drawn from well-studied classical models of frequency-dependent competition for resources, adaptation to a spatially heterogeneous environment, and antagonistic coevolution. In addition, our analyses show that increased dimensionality can favor diversification, for example, in the form of local adaptation, as well as evolutionary escape.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».