MétaCan
Menu
Retour à la cohorte
Enregistrement W2769542435 · doi:10.1111/evo.13396

Convergent selection pressures drive the evolution of rhodopsin kinetics at high altitudes via nonparallel mechanisms

2017· article· en· W2769542435 sur OpenAlexafffund
Gianni M. Castiglione, Ryan K. Schott, Frances E. Hauser, Belinda S. W. Chang

Notice bibliographique

RevueEvolution · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueCircadian rhythm and melatonin
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRhodopsinBiologyConvergent evolutionEvolutionary biologyNatural selectionParallel evolutionFunction (biology)Molecular evolutionPhenotypeSelection (genetic algorithm)Range (aeronautics)PhylogeneticsGeneticsGeneBiochemistry

Résumé

récupéré en direct d'OpenAlex

Convergent evolution in response to similar selective pressures is a well-known phenomenon in evolutionary biology. Less well understood is how selection drives convergence in protein function, and the underlying mechanisms by which this can be achieved. Here, we investigate functional convergence in the visual system of two distantly related lineages of high-altitude adapted Andean and Himalayan catfishes. Statistical analyses revealed in the two high-altitude lineages, a parallel acceleration of evolutionary rates in rhodopsin, the dim-light visual pigment. However, the elevated rates were found to be accompanied by substitutions at different sites in the protein. Experiments substituting Andean- or Himalayan-specific residues significantly accelerated the kinetic rates of rhodopsin, destabilizing the ligand-bound forms. As found in cold-adapted enzymes, this phenotype likely compensates for a cold-induced decrease in kinetic rates, properties of rhodopsin mediating rod sensitivity and visual performance. Our study suggests that molecular convergence in protein function can be driven by parallel shifts in evolutionary rates but via nonparallel molecular mechanisms. Signatures of natural selection may therefore be a powerful guide for identifying complex instances of functional convergence across a wider range of protein systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,324
Score d'incertitude au seuil0,610

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,248
Écart entre enseignants0,232 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations23
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEvolutionMême sujetCircadian rhythm and melatoninTravaux en français237 207