Varied Genomic Responses to Maladaptive Gene Flow and Their Evidence
Notice bibliographique
Résumé
Adaptation to a local environment often occurs in the face of maladaptive gene flow. In this perspective, I discuss several ideas on how a genome may respond to maladaptive gene flow during adaptation. On the one hand, selection can build clusters of locally adaptive alleles at fortuitously co-localized loci within a genome, thereby facilitating local adaptation with gene flow ('allele-only clustering'). On the other hand, the selective pressure to link adaptive alleles may drive co-localization of the actual loci relevant for local adaptation within a genome through structural genome changes or an evolving intra-genomic crossover rate ('locus clustering'). While the expected outcome is, in both cases, a higher frequency of locally adaptive alleles in some genome regions than others, the molecular units evolving in response to gene flow differ (i.e., alleles versus loci). I argue that, although making this distinction is important, we commonly lack the critical empirical evidence to do so. This is mainly because many current approaches are biased towards detecting local adaptation in genome regions with low crossover rates. The importance of low-crossover genome regions for adaptation with gene flow, such as in co-localizing relevant loci within a genome, thus remains unclear. Future empirical investigations should address these questions by making use of comparative genomics, where multiple de novo genome assemblies from species evolved under different degrees of genetic exchange are compared. This research promises to advance our understanding of how a genome adapts to maladaptive gene flow, thereby promoting adaptive divergence and reproductive isolation.
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 ».