PREDICTING ADAPTATION UNDER MIGRATION LOAD: THE ROLE OF GENETIC SKEW
Notice bibliographique
Résumé
Quantitative genetics models have been used to predict the constraints on local adaptation caused by gene flow between populations under migration-selection balance. One key assumption of this approach is that genetic values within a population are normally distributed. Gene flow, however, may generate distributions that are skewed toward the immigrant's mean value. If the response to selection from a skewed distribution is different from that expected under the assumption of normality, models may result in inaccurate predictions. We use individual-based computer simulations to explore this problem, comparing our results to a recent model developed by Hendry et al. (2001). We show that this model underestimates the equilibrium divergence between populations at migration-selection balance. The extent of this underestimation is correlated with the amount of genetic skew generated by migration and is partly explained by the fact that the analytical model ignores direct selection against hybrid phenotypes. We also show that all else being equal, response to selection in a population with a skewed distribution of genotypes is greater than in a population with normally distributed genotypes. The production of skew under migration-selection balance, however, is itself dependent upon the genetic architecture, with greater deviations from normality produced when alleles contributing to population differentiation have very different effect sizes. We find that both the skew and discrepancies between the models are greatest at intermediate migration rates and moderate to strong selection, which is exactly the region of parameter space that is most empirically relevant.
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 | 0,000 |
| 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 ».