Speciation with gene flow in a heterogeneous virtual world: can physical obstacles accelerate speciation?
Notice bibliographique
Résumé
The origin of species remains one of the most controversial and least understood topics in evolution. While it is being widely accepted that complete cessation of gene-flow between populations owing to long-lasting geographical barriers results in a steady, irreversible increase of divergence and eventually speciation, the extent to which various degrees of habitat heterogeneity influences speciation rates is less well understood. Here, we investigate how small, randomly distributed physical obstacles influence the distribution of populations and species, the level of population connectivity (e.g. gene flow), as well as the mode and tempo of speciation in a virtual ecosystem composed of prey and predator species. We adapted an existing individual-based platform, EcoSim, to allow fine tuning of the gene flow's level between populations by adding various numbers of obstacles in the world. The platform implements a simple food chain consisting of primary producers, herbivores (prey) and predators. It allows complex intra- and inter-specific interactions, based on individual evolving behavioural models, as well as complex predator-prey dynamics and coevolution in spatially homogenous and heterogeneous worlds. We observed a direct and continuous increase in the speed of evolution (e.g. the rate of speciation) with the increasing number of obstacles in the world. The spatial distribution of species was also more compact in the world with obstacles than in the world without obstacles. Our results suggest that environmental heterogeneity and other factors affecting demographic stochasticity can directly influence speciation and extinction rates.
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 ».