MétaCan
Menu
Retour à la cohorte
Enregistrement W2768832660 · doi:10.1146/annurev-arplant-042817-040038

Population Genomics of Herbicide Resistance: Adaptation via Evolutionary Rescue

2017· review· en· W2768832660 sur OpenAlexaff
Julia M. Kreiner, John R. Stinchcombe, Stephen Wright

Notice bibliographique

RevueAnnual Review of Plant Biology · 2017
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBiologyAdaptation (eye)PopulationEvolutionary biologyEffective population sizeResistance (ecology)Gene flowGeneticsLocal adaptationGenetic variationPopulation sizeEcologyGene

Résumé

récupéré en direct d'OpenAlex

The evolution of herbicide resistance in weed populations is a highly replicated example of adaptation surmounting the race against extinction, but the factors determining its rate and nature remain poorly understood. Here, we explore theory and empirical evidence for the importance of population genetic parameters-including effective population size, dominance, mutational target size, and gene flow-in influencing the probability and mode of herbicide resistance adaptation and its variation across species. We compiled data on the number of resistance mutations across populations for 79 herbicide-resistant species. Our findings are consistent with theoretical predictions that self-fertilization reduces resistance adaptation from standing variation within populations, but increases independent adaptation across populations. Furthermore, we provide evidence for a ploidy-mating system interaction that may reflect trade-offs in polyploids between increased effective population size and greater masking of beneficial mutations. We highlight the power of population genomic approaches to provide insights into the evolutionary dynamics of herbicide resistance with important implications for understanding the limits of adaptation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,318
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations116
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Plant BiologyMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207