MétaCan
Menu
Retour à la cohorte
Enregistrement W2888483650 · doi:10.1139/cjb-2018-0027

Climatic niche modeling reveals divergence between cytotypes in <i>Eutrema edwardsii</i> (Brassicaceae)

2018· article· en· W2888483650 sur OpenAlexvenueno aff
Jared E. Mastin, Peter Anthamatten, Léo P. Bruederle

Notice bibliographique

RevueBotany · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensnon disponible
Organismes subventionnairesMuseum of the North, University of AlaskaU.S. Fish and Wildlife ServiceFlorida Museum of Natural History
Mots-clésBiologyNichePolyploidBrassicaceaeEcological nicheEnvironmental niche modellingHerbariumPloidyGene flowEcologyEvolutionary biologyBotanyHabitatGenetic variationGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Polyploidy among plants is most frequent in the arctic, where glaciation cycles put selective pressures on populations by repeated fragmentation and fluctuation in climate. Polyploids should have been more fit in the novel habitats created as glaciers receded because of increased genetic material and novel gene products, which results in phenotypic plasticity and rapid adaptation. Higher ploidy is then expected to confer a broader tolerance of environmental conditions. Eutrema edwardsii R. Br. (Brassicaceae) is an arctic-alpine mustard with a near circumpolar distribution that occurs as a tetraploid, hexaploid, and octaploid. We used flow cytometry to document the distribution of polyploid cytotypes using herbarium tissue, and modeled the niche of each cytotype to test for niche differentiation. Flow cytometry revealed four cytotypes among 85 individuals. Notably, 60% of the herbarium tissue assays were successful using tissue up to 50 years old. Principle components analysis was performed on 20 climatic variables, of which, the first four axes were used as environmental variables for niche modeling. Niche models were created for tetraploid and hexaploid populations and used to calculate niche overlap (Shoener’s D). Overlap between tetraploid and hexaploid models (D = 0.534) is lower than the null distribution (D = 0.681–0.944) supporting the hypothesis of niche divergence.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
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 Opus0,040
Tête enseignante GPT0,273
Écart entre enseignants0,233 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBotanyMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207