MétaCan
Menu
Retour à la cohorte
Enregistrement W2104009579 · doi:10.1111/j.1558-5646.2008.00595.x

THE EFFECTS OF POPULATION BOTTLENECKS ON CLONAL INTERFERENCE, AND THE ADAPTATION EFFECTIVE POPULATION SIZE

2009· article· en· W2104009579 sur OpenAlexafffund
Paulo R. A. Campos, Lindi M. Wahl

Notice bibliographique

RevueEvolution · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEvolution and Genetic Dynamics
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFundação de Amparo à Ciência e Tecnologia do Estado de PernambucoConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésBiologyPopulationInterference (communication)Population sizeAdaptation (eye)Mutation rateMutationCompetition (biology)Selection (genetic algorithm)Exponential growthEffective population sizeWork (physics)Evolutionary biologyGeneticsEcologyGenetic variationPhysicsComputer scienceDemographyGeneTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Clonal interference refers to the competition that arises in asexual populations when multiple beneficial mutations segregate simultaneously. A large body of theoretical and experimental work now addresses this issue. Although much of the experimental work is performed in populations that grow exponentially between periodic population bottlenecks, the theoretical work to date has addressed only populations of a constant size. We derive an analytical approximation for the rate of adaptation in the presence of both clonal interference and bottlenecks, and compare this prediction to the results of an individual-based simulation, showing excellent agreement in the parameter regime in which clonal interference prevails. We also derive an appropriate definition for the effective population size for adaptive evolution experiments in the presence of population bottlenecks. This "adaptation effective population size" allows for a good approximation of the expected rate of adaptation, either in the strong-selection weak-mutation regime, or when clonal interference comes into play. In the multiple mutation regime, when the product of the population size and mutation rate is extremely large, these results no longer hold.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,919
Score d'incertitude au seuil0,241

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,002
Tête enseignante GPT0,216
Écart entre enseignants0,214 · 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

Citations40
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEvolutionMême sujetEvolution and Genetic DynamicsTravaux en français237 207