Evolutionary Responses to Conditionality in Species Interactions across Environmental Gradients
Notice bibliographique
Résumé
The outcomes of many species interactions are conditional on the environments in which they occur. Often, interactions grade from being more positive under stressful or low-resource conditions to more antagonistic or neutral under benign conditions. Here, we take predictions about two well-supported ecological theories on conditionality-limiting resource models and the stress-gradient hypothesis-and combine them with those from the geographic mosaic theory of coevolution (GMTC) to generate predictions for systematic patterns of adaptation and coadaptation between partners along abiotic gradients. When interactions become more positive in stressful environments, mutations that increase fitness in one partner may also increase fitness in the other; because fitnesses are aligned, selection should favor greater mutualistic adaptation and coadaptation between interacting species in stressful ends of environmental gradients. As a corollary, in benign environments antagonistic coadaptation could result in Red Queen or arms-race dynamics or the reduction of antagonism through character displacement and niche partitioning. Here, we distinguish between generally mutualistic or antagonistic adaptation (i.e., mutations in one partner that have similar effects across multiple populations of the other) and specific adaptations to sympatric partners (local adaptation), which can occur either alone or simultaneously. We then outline the kinds of data required to test these predictions, develop experimental designs and statistical methods, and demonstrate these using simulations based on GMTC models. Our methods can be applied to a range of conditional outcomes and may also be useful in assisted translocation approaches in the face of climate change.
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 | 0,001 |
| 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 ».