Understanding the coevolutionary dynamics of mutualism with population genomics
Notice bibliographique
Résumé
Decades of research on the evolution of mutualism has generated a wealth of possible ways whereby mutually beneficial interactions between species persist in spite of the apparent advantages to individuals that accept the benefits of mutualism without reciprocating - but identifying how any particular empirical system is stabilized against cheating remains challenging. Different hypothesized models of mutualism stability predict different forms of coevolutionary selection, and emerging high-throughput sequencing methods allow examination of the selective histories of mutualism genes and, thereby, the form of selection acting on those genes. Here, I review the evolutionary theory of mutualism stability and identify how differing models make contrasting predictions for the population genomic diversity and geographic differentiation of mutualism-related genes. As an example of the possibilities offered by genomic data, I analyze genes with roles in the symbiosis of Medicago truncatula and nitrogen-fixing rhizobial bacteria, the first classic mutualism in which extensive genomic resources have been developed for both partners. Medicago truncatula symbiosis genes, as a group, differ from the rest of the genome, but they vary in the form of selection indicated by their diversity and differentiation - some show signs of selection expected from roles in sanctioning noncooperative symbionts, while others show evidence of balancing selection expected from coevolution with symbiont signaling factors. I then assess the current state of development for similar resources in other mutualistic interactions and look ahead to identify ways in which modern sequencing technology can best inform our understanding of mutualists and mutualism.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».