Unpacking Conditional Neutrality: Genomic Signatures of Selection on Conditionally Beneficial and Conditionally Deleterious Mutations
Notice bibliographique
Résumé
It is common to look for signatures of local adaptation in genomes by identifying loci with extreme levels of allele frequency divergence among populations. This approach to finding genes associated with local adaptation often assumes antagonistic pleiotropy, wherein alternative alleles are strongly favored in alternative environments. Conditional neutrality has been proposed as an alternative to antagonistic pleiotropy, but conditionally neutral polymorphisms are transient, and it is unclear how much outlier signal would be maintained under different forms of conditional neutrality. Here, we use individual-based simulations and a simple analytical heuristic to show that a pattern that mimics local adaptation at the phenotypic level, where each genotype has the highest fitness in its home environment, can be produced by the accumulation of mutations that are neutral in their home environment and deleterious in nonlocal environments. Because conditionally deleterious mutations likely arise at a rate many times higher than conditionally beneficial mutations, they can have a significant cumulative effect on fitness even when individual effect sizes are small. We show that conditionally deleterious mutations driving nonlocal maladaptation may be undetectable by even the most powerful genome scans, as differences in allele frequency between populations are typically small. We also explore the evolutionary effects of conditionally beneficial mutations and find that they can maintain significant signals of local adaptation, and they would be more readily detectable than conditionally deleterious mutations using conventional genome scan approaches. We discuss implications for interpreting outcomes of transplant experiments and genome scans that are used to study the genetic basis of local adaptation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».