Speciation without Pre-Defined Fitness Functions
Notice bibliographique
Résumé
The forces promoting and constraining speciation are often studied in theoretical models because the process is hard to observe, replicate, and manipulate in real organisms. Most models analyzed to date include pre-defined functions influencing fitness, leaving open the question of how speciation might proceed without these built-in determinants. To consider the process of speciation without pre-defined functions, we employ the individual-based ecosystem simulation platform EcoSim. The environment is initially uniform across space, and an evolving behavioural model then determines how prey consume resources and how predators consume prey. Simulations including natural selection (i.e., an evolving behavioural model that influences survival and reproduction) frequently led to strong and distinct phenotypic/genotypic clusters between which hybridization was low. This speciation was the result of divergence between spatially-localized clusters in the behavioural model, an emergent property of evolving ecological interactions. By contrast, simulations without natural selection (i.e., behavioural model turned off) but with spatial isolation (i.e., limited dispersal) produced weaker and overlapping clusters. Simulations without natural selection or spatial isolation (i.e., behaviour model turned off and high dispersal) did not generate clusters. These results confirm the role of natural selection in speciation by showing its importance even in the absence of pre-defined fitness functions.
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 ».