Male Bias in Distributions of Additive Genetic, Residual, and Phenotypic Variances of Shared Traits
Notice bibliographique
Résumé
Despite a shared genetic architecture between males and females, sexual differences are widespread. The extent of this shared genetic architecture, reflected in the intersexual genetic correlation, has previously been correlated with the extent of phenotypic sexual dimorphism in shared traits. However, the magnitude of the difference in sex-specific additive genetic variances may also fuel sexual dimorphism. To explore the correlation between additive genetic variance dimorphism and phenotypic dimorphism, we conducted a literature search. We targeted traits expressed in both sexes and excluded sex-limited traits. The mean difference between the sexes in additive genetic variance was not significantly different from 0. However, the distribution of the sexual difference in additive genetic variance had a significant male-biased skew. This pattern persists even after removing traits explicitly related to reproduction. Furthermore, male traits had more residual and phenotypic variance than homologous female traits (as measured by both the mean and the skew), and this difference was not necessarily due to the difference between sexual traits and nonsexual traits. We found no evidence that sex chromosome system could explain sex differences in additive genetic, nonadditive genetic, or phenotypic variances. Finally, we found a significant correlation between the extent of sexual dimorphism in additive genetic variances and the extent of phenotypic sexual dimorphism. Understanding why traits have sex-specific patterns of variation awaits further investigation.
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) | 0,001 | 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 ».