MétaCan
Menu
Retour à la cohorte
Enregistrement W2101201549 · doi:10.1534/genetics.112.146258

The Effect of Nonindependent Mate Pairing on the Effective Population Size

2012· article· en· W2101201549 sur OpenAlexaff
Ben J. Evans, Brian Charlesworth

Notice bibliographique

RevueGenetics · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueEvolutionary Psychology and Human Behavior
Établissements canadiensMcMaster University
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilUniversity of Edinburgh
Mots-clésPairingBiologyGeneticsPopulation sizePopulationEffective population sizeEvolutionary biologyDemographyPhysicsGeneGenetic variation

Résumé

récupéré en direct d'OpenAlex

The effective population size (N(e)) quantifies the effectiveness of genetic drift in finite populations. When generations overlap, theoretical expectations for N(e) typically assume that the sampling of offspring genotypes from a given individual is independent among successive breeding events, even though this is not true in many species, including humans. To explore the effects on N(e) of nonindependent mate pairing across breeding events, we simulated the genetic drift of mitochondrial DNA, autosomal DNA, and sex chromosome DNA under three mating systems. Nonindependent mate pairing across breeding seasons has no effect when all adults mate pair for life, a small or moderate effect when females reuse stored sperm, and a large effect when there is intense male-male competition for reproduction in a harem social system. If adult females reproduce at a constant rate irrespective of the type of mate pairing, the general effect of nonindependent mate pairing is to decrease N(e) for paternally inherited components of the genome. These findings have significant implications for the relative N(e) values of different genomic regions, and hence for the expected levels of DNA sequence diversity in these regions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,017
Tête enseignante GPT0,325
Écart entre enseignants0,308 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations21
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeneticsMême sujetEvolutionary Psychology and Human BehaviorTravaux en français237 207