POPULATION MIXING AND THE ADAPTIVE DIVERGENCE OF QUANTITATIVE TRAITS IN DISCRETE POPULATIONS: A THEORETICAL FRAMEWORK FOR EMPIRICAL TESTS
Notice bibliographique
Résumé
Empirical tests for the importance of population mixing in constraining adaptive divergence have not been well grounded in theory for quantitative traits in spatially discrete populations. We develop quantitative-genetic models to examine the equilibrium difference between two populations that are experiencing different selective regimes and exchanging individuals. These models demonstrate that adaptive divergence is negatively correlated with the rate of population mixing (m, most strongly so when m is low), positively correlated with the difference in phenotypic optima between populations, and positively correlated with the amount of additive genetic variance (G, most strongly so when G is low). The approach to equilibrium is quite rapid (fewer than 50 generations for two populations to evolve 90% of the distance to equilibrium) when either heritability or mixing are not too low (h2 > 0.2 or m > 0.05). The theory can be used to aid empirical tests that: (1) compare observed divergence to that predicted using estimates of population mixing, additive genetic variance/covariance, and selection; (2) test for a negative correlation between population mixing and adaptive divergence across multiple independent population pairs; and (3) experimentally manipulate the rate of mixing. Application of the first two of these approaches to data from two well-studied natural systems suggests that population mixing has constrained adaptive divergence for color patterns in Lake Erie water snakes (Nerodia sipedon), but not for trophic traits in sympatric pairs of benthic and limnetic stickleback (Gasterosteus aculeatus). The theoretical framework we outline should provide an improved basis for future empirical tests of the role of population mixing in adaptive divergence.
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 | 0,083 | 0,319 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,020 |
| Communication savante | 0,004 | 0,010 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».