Genomics of adaptive divergence with chromosome‐scale heterogeneity in crossover rate
Notice bibliographique
Résumé
Genetic differentiation between divergent populations is often greater in chromosome centres than peripheries. Commonly overlooked, this broadscale differentiation pattern is sometimes ascribed to heterogeneity in crossover rate and hence linked selection within chromosomes, but the underlying mechanisms remain incompletely understood. A literature survey across 46 organisms reveals that most eukaryotes indeed exhibit a reduced crossover rate in chromosome centres relative to the peripheries. Using simulations of populations diverging into ecologically different habitats through sorting of standing genetic variation, we demonstrate that such chromosome-scale heterogeneity in crossover rate, combined with polygenic divergent selection, causes stronger hitchhiking and especially barriers to gene flow across chromosome centres. Without requiring selection on new mutations, this rapidly leads to elevated population differentiation in the low-crossover centres relative to the high-crossover peripheries of chromosomes ("Chromosome Centre-Biased Differentiation", CCBD). Using simulated and empirical data, we then show that strong CCBD between populations can provide evidence of polygenic adaptive divergence with a phase of gene flow. We further demonstrate that chromosome-scale heterogeneity in crossover rate impacts analyses beyond that of population differentiation, including the inference of phylogenies and parallel adaptive evolution among populations, the detection of genetic loci under selection, and the interpretation of the strength of selection on genomic regions. Overall, our results call for a greater appreciation of chromosome-scale heterogeneity in crossover rate in evolutionary genomics.
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 ».