Genetic Tools for Studying Adaptation and the Evolution of Behavior
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The rapid expansion of genomic and molecular genetic techniques in model organisms, and the application of these techniques to organisms that are less well studied genetically, make it possible to understand the genetic control of many behavioral phenotypes. However, many behavioral ecologists are uncertain about the value of including a genetic component in their studies. In this article, we review how genetic analyses of behavior are central to topics ranging from understanding past selection and predicting future evolution to explaining the neural and hormonal control of behavior. Furthermore, we review both new and old techniques for studying evolutionary behavior genetics and highlight how the choice of approach depends on both the question and the organism. Topics discussed include genetic architecture, detecting the past history of selection, and genotype-by-environment interactions. We show how these questions are being addressed with techniques including statistical genetics, QTL analyses, transgenic analyses, and microarrays. Many of the techniques were first applied to the behavior of genetic model organisms such as laboratory mice and flies. Two recent developments serve to expand the relevance of such studies to behavioral ecology. The first is to use model organisms for studies of the genetic basis of evolutionarily relevant behavior and the second is to apply methods developed in model genetic systems to species that have not previously been examined genetically. These conceptual advances, along with the rapid diversification of genetic tools and the recognition of widespread genetic homology, suggest a bright outlook for evolutionary genetic studies. This review provides access to tools through references to the recent literature and shows the great promise for evolutionary behavioral genetics.
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.
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 découle