MétaCan
Menu
Retour à la cohorte
Enregistrement W2949103237 · doi:10.1111/jeb.13341

Effect of migration and environmental heterogeneity on the maintenance of quantitative genetic variation: a simulation study

2018· article· en· W2949103237 sur OpenAlexafffund
Tegan Krista McDonald, Sam Yeaman

Notice bibliographique

RevueJournal of Evolutionary Biology · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEvolution and Genetic Dynamics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAlberta Innovates - Health SolutionsWestern Canada Research GridCompute Canada
Mots-clésBiologySelection (genetic algorithm)Stabilizing selectionSpatial heterogeneityGenetic variationVariation (astronomy)Evolutionary biologyTraitMutationPopulationGenetic heterogeneitySpatial variabilityMutation rateEvolvabilityEcologyGeneticsStatisticsPhenotypeMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The paradox of high genetic variation observed in traits under stabilizing selection is a long‐standing problem in evolutionary theory, as mutation rates appear too low to explain observed levels of standing genetic variation under classic models of mutation–selection balance. Spatially or temporally heterogeneous environments can maintain more standing genetic variation within populations than homogeneous environments, but it is unclear whether such conditions can resolve the above discrepancy between theory and observation. Here, we use individual‐based simulations to explore the effect of various types of environmental heterogeneity on the maintenance of genetic variation ( V A ) for a quantitative trait under stabilizing selection. We find that V A is maximized at intermediate migration rates in spatially heterogeneous environments and that the observed patterns are robust to changes in population size. Spatial environmental heterogeneity increased variation by as much as 10‐fold over mutation–selection balance alone, whereas pure temporal environmental heterogeneity increased variance by only 45% at max. Our results show that some combinations of spatial heterogeneity and migration can maintain considerably more variation than mutation–selection balance, potentially reconciling the discrepancy between theoretical predictions and empirical observations. However, given the narrow regions of parameter space required for this effect, this is unlikely to provide a general explanation for the maintenance of variation. Nonetheless, our results suggest that habitat fragmentation may affect the maintenance of V A and thereby reduce the adaptive capacity of populations.

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)0,006
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,285
Écart entre enseignants0,277 · 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

Citations26
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Evolutionary BiologyMême sujetEvolution and Genetic DynamicsTravaux en français237 207