ACROSS-ENVIRONMENT GENETIC CORRELATIONS AND THE FREQUENCY OF SELECTIVE ENVIRONMENTS SHAPE THE EVOLUTIONARY DYNAMICS OF GROWTH RATE IN IMPATIENS CAPENSIS
Notice bibliographique
Résumé
Trade-offs can exist within and across environments, and constrain evolutionary trajectories. To examine the effects of competition and resource availability on trade-offs, we grew individuals of recombinant inbred lines of Impatiens capensis in a factorial combination of five densities with two light environments (full light and neutral shade) and used a Bayesian logistic growth analysis to estimate intrinsic growth rates. To estimate across-environment constraints, we developed a variance decomposition approach to principal components analysis, which accounted for sample size, model-fitting, and within-RIL variation prior to eigenanalysis. We detected negative across-environment genetic covariances in intrinsic growth rates, although only under full-light. To evaluate the potential importance of these covariances, we surveyed natural populations of I. capensis to measure the frequency of different density environments across space and time. We combined our empirical estimates of across-environment genetic variance-covariance matrices and frequency of selective environments with hypothetical (yet realistic) selection gradients to project evolutionary responses in multiple density environments. Selection in common environments can lead to correlated responses to selection in rare environments that oppose and counteract direct selection in those rare environments. Our results highlight the importance of considering both the frequency of selective environments and the across-environment genetic covariances in traits simultaneously.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».