Towards robust evolutionary inference with integral projection models
Notice bibliographique
Résumé
Integral projection models (IPMs) are extremely flexible tools for ecological and evolutionary inference. IPMs track the distribution of phenotype in populations through time, using functions describing phenotype-dependent development, inheritance, survival and fecundity. For evolutionary inference, two important features of any model are the ability to (i) characterize relationships among traits (including values of the same traits across ages) within individuals, and (ii) characterize similarity between individuals and their descendants. In IPM analyses, the former depends on regressions of observed trait values at each age on values at the previous age (development functions), and the latter on regressions of offspring values at birth on parent values as adults (inheritance functions). We show analytically that development functions, characterized this way, will typically underestimate covariances of trait values across ages, due to compounding of regression to the mean across projection steps. Similarly, we show that inheritance, characterized this way, is inconsistent with a modern understanding of inheritance, and underestimates the degree to which relatives are phenotypically similar. Additionally, we show that the use of a constant biometric inheritance function, particularly with a constant intercept, is incompatible with evolution. Consequently, current implementations of IPMs will predict little or no phenotypic evolution, purely as artefacts of their construction. We present alternative approaches to constructing development and inheritance functions, based on a quantitative genetic approach, and show analytically and through an empirical example on a population of bighorn sheep how they can potentially recover patterns that are critical to evolutionary inference.
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 ».