WATER STRESS ALTERS THE GENETIC ARCHITECTURE OF FUNCTIONAL TRAITS ASSOCIATED WITH DROUGHT ADAPTATION IN<i>AVENA BARBATA</i>
Notice bibliographique
Résumé
Environmental stress can alter genetic variation and covariation underlying functional traits, and thus affect adaptive evolution in response to natural selection. However, the genetic basis of functional traits is rarely examined in contrasting resource environments, and consequently, there is no consensus regarding whether environmental stress constrains or facilitates adaptive evolution. We tested whether resource availability affects genetic variation for and covariation among seven physiological traits and seven morphological/performance traits by growing the annual grass Avena barbata in dry and well-watered treatments. We found that differences in the overall genetic variance-covariance (G) matrix between environments were driven by physiological traits rather than morphology and performance traits. More physiological traits were heritable in the dry treatment than the well-watered treatment and many of the genetic correlations among physiological traits were environment dependent. In contrast, genetic variation and covariation among the morphological and performance traits did not differ across treatments. Furthermore, genetic correlations between physiology and performance were stronger in the dry treatment, which contributed to differences in the overall G-matrix. Our results therefore suggest that physiological adaptation would be constrained by low heritable variation in resource-rich environments, but facilitated by higher heritable variation and stronger genetic correlations with performance traits in resource-poor environments.
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 ».