A New Statistical Test of Fitness Set Data from Reciprocal Transplant Experiments Involving Intermediate Phenotypes
Notice bibliographique
Résumé
Experimental biologists use reciprocal transplant experiments (RTEs) involving divergent forms to test hypotheses about fitness trade-offs across, and local adaptation to, native environments. Additional evolutionary hypotheses about diversifying selection, the evolution of specialization, and the coexistence of specialists and generalists are only testable when the RTE also includes intermediate (or alternatively generalist) forms. Environmental variation makes such RTEs challenging, and so strategies that increase their effectiveness are useful. Here, we focus on improvements to the efficiency of RTEs involving intermediate forms with respect to the experimental design and the analysis of the resulting data. We provide a likelihood ratio-based test that offers increased statistical power and robustness relative to another test involving nonlinear regression, when used both for simulated data sets and for data from a study of two divergent fish species and their hybrids transplanted between two lake habitats. The test can be used with unequal numbers of observations, unequal variances, and binomial-type survival data and other nonnormal data. Simulations suggest that having equal numbers of experimental units in each phenotype-environment combination is reasonable. The intentional pairing of observations between environmental conditions (by using clones, full sibs, or half-sibs) is beneficial when paired observations have fitnesses that are negatively related between conditions but is detrimental with positive relatedness. Our methods can be extended to study more than two divergent forms.
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 | 0,001 | 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 ».