MétaCan
Menu
Retour à la cohorte
Enregistrement W2108233504 · doi:10.1086/587805

Predictable Patterns of Disruptive Selection in Stickleback in Postglacial Lakes

2008· article· en· W2108233504 sur OpenAlexfundaboutno aff
Daniel I. Bolnick, On Lee Lau

Notice bibliographique

RevueThe American Naturalist · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Texas at AustinFreshwater Fisheries Society of British ColumbiaNational Science Foundation
Mots-clésDisruptive selectionSticklebackGasterosteusIntraspecific competitionBiologySympatric speciationSelection (genetic algorithm)Competition (biology)Sexual selectionEcologyParallel evolutionPelagic zonePredationEvolutionary biologyTrophic levelNatural selectionFisheryFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Disruptive selection is often assumed to be relatively rare, because it is dynamically unstable and hence should be transient. However, frequency-dependent interactions such as intraspecific competition may stabilize fitness minima and make disruptive selection more common. Such selection helps explain the maintenance of genetic variation and may even contribute to sympatric speciation. There is thus great interest in determining when and where disruptive selection is most likely. Here, we show that there is a general trend toward weak disruptive selection on trophic morphology in three-spine stickleback (Gasterosteus aculeatus) in 14 lakes on Vancouver Island. Selection is inferred from the observation that, within a lake, fish with intermediate gill raker morphology exhibited slower growth than phenotypically extreme individuals. Such selection has previously been shown to arise from intraspecific competition for alternate resources. However, not all environments are equally conducive to disruptive selection, which was strongest in intermediate-sized lakes where both littoral and pelagic prey are roughly balanced. Also, consistent with theory, we find that sexual dimorphism in trophic traits tends to mitigate disruptive selection. These results suggest that it may be possible to anticipate the kinds of environments and populations most likely to experience disruptive selection.

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 enseignants0,027
Score d'incertitude au seuil1,000

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 Opus0,007
Tête enseignante GPT0,224
Écart entre enseignants0,217 · 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

Citations152
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe American NaturalistMême sujetFish Ecology and Management StudiesTravaux en français237 207