MétaCan
Menu
Retour à la cohorte
Enregistrement W2111606800 · doi:10.1371/journal.pone.0022881

Quantifying Rates of Evolutionary Adaptation in Response to Ocean Acidification

2011· article· en· W2111606800 sur OpenAlexafffund
Jennifer M. Sunday, Ryan Crim, Christopher D. G. Harley, Michael W. Hart

Notice bibliographique

RevuePLoS ONE · 2011
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensUniversity of British ColumbiaSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaPacific Northwest Shell Club
Mots-clésOcean acidificationBiologyMarine invertebratesBiodiversityAdaptation (eye)EcologyPopulationNatural selectionInvertebratePhenotypic plasticityZoologyClimate change

Résumé

récupéré en direct d'OpenAlex

The global acidification of the earth's oceans is predicted to impact biodiversity via physiological effects impacting growth, survival, reproduction, and immunology, leading to changes in species abundances and global distributions. However, the degree to which these changes will play out critically depends on the evolutionary rate at which populations will respond to natural selection imposed by ocean acidification, which remains largely unquantified. Here we measure the potential for an evolutionary response to ocean acidification in larval development rate in two coastal invertebrates using a full-factorial breeding design. We show that the sea urchin species Strongylocentrotus franciscanus has vastly greater levels of phenotypic and genetic variation for larval size in future CO(2) conditions compared to the mussel species Mytilus trossulus. Using these measures we demonstrate that S. franciscanus may have faster evolutionary responses within 50 years of the onset of predicted year-2100 CO(2) conditions despite having lower population turnover rates. Our comparisons suggest that information on genetic variation, phenotypic variation, and key demographic parameters, may lend valuable insight into relative evolutionary potentials across a large number of species.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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)0,0010,000

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 Opus0,165
Tête enseignante GPT0,262
Écart entre enseignants0,097 · 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'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

Citations291
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetOcean Acidification Effects and ResponsesTravaux en français237 207