MétaCan
Menu
Retour à la cohorte
Enregistrement W2098186604 · doi:10.1111/j.0014-3820.2000.tb00045.x

THE ECOLOGY AND GENETICS OF FITNESS IN CHLAMYDOMONAS. X. THE RELATIONSHIP BETWEEN GENETIC CORRELATION AND GENETIC DISTANCE

2000· article· en· W2098186604 sur OpenAlexafffund
Rees Kassen, Graham Bell

Notice bibliographique

RevueEvolution · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiologyGenetic variationRange (aeronautics)Selection (genetic algorithm)Genetic distanceEvolutionary biologyGenetic correlationGenetic variabilityQuantitative geneticsEcologyGenotypeGeneticsGene

Résumé

récupéré en direct d'OpenAlex

A necessary condition for the maintenance of genetic variation in heterogeneous environments is that the relative fitnesses of a collection of genotypes vary as conditions of growth change. This can be detected by estimating the amount of gene-by-environment interaction (G x E) when a range of types are tested across a range of conditions. However it is the sign and magnitude of the genetic correlation, which is a component of G x E, that governs the ultimate fate of variation. Whether genetic variation will be preserved, then, depends on how the genetic correlation changes as a function of the ecological differences among environments and the genetic differences among genotypes. To evaluate this, we assayed the performance of 15 chlorophyte species of known genetic relation in 20 environments. We found that the quantity of G x E increased as both the environmental variance across environments and the genetic distance increased. Moreover the genetic correlation declined as the environmental variance between pairs of environments and the genetic distance between pairs of genotypes increased. These results suggest that divergent selection will be more likely to maintain genetic variation when environments are strongly contrasted and genotypes widely divergent.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,156

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,218
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEvolutionMême sujetPhysiological and biochemical adaptationsTravaux en français237 207