SELECTION ON LEAF ECOPHYSIOLOGICAL TRAITS IN A DESERT HYBRID HELIANTHUS SPECIES AND EARLY-GENERATION HYBRIDS
Notice bibliographique
Résumé
Leaf ecophysiological traits related to carbon gain and resource use are expected to be under strong selection in desert annuals. We used comparative and phenotypic selection approaches to investigate the importance of leaf ecophysiological traits for Helianthus anomalus, a diploid annual sunflower species of hybrid origin that is endemic to active desert dunes. Comparisons were made within and among five genotypic classes: H. anomalus, its ancestral parent species (H. annuus and H. petiolaris), and two backcrossed populations of the parental species (designated BC2ann and BC2pet) representing putative ancestors of H. anomalus. Seedlings were transplanted into H. anomalus habitat at Little Sahara Dunes, Utah, and followed through a summer growing season for leaf ecophysiological traits, phenology, and fitness estimated as vegetative biomass. Helianthus anomalus had a unique combination of traits when compared to its ancestral parent species, suggesting that lower leaf nitrogen and greater leaf succulence might be adaptive. However, selection on leaf traits in H. anomalus favored larger leaf area and greater nitrogen, which was not consistent with the extreme traits of H. anomalus relative to its ancestral parents. Also contrary to expectation, current selection on the leaf traits in the backcross populations was not consistently similar to, or resulting in evolution toward, the current H. anomalus phenotype. Only the selection for greater leaf succulence in BC2ann and greater water-use efficiency in BC2pet would result in evolution toward the current H. anomalus phenotype. It was surprising that the action of phenotypic selection depended greatly on the genotypic class for these closely related sunflower hybrids grown in a common environment. We speculate that this may be due to either phenotypic correlations between measured and unmeasured but functionally related traits or due to the three genotypic classes experiencing the environment differently as a result of their differing morphology.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».