MétaCan
Menu
Retour à la cohorte
Enregistrement W2967280942 · doi:10.1038/s41437-019-0257-4

The population genetics of crypsis in vertebrates: recent insights from mice, hares, and lizards

2019· review· en· W2967280942 sur OpenAlexaff
Rebecca B. Harris, Kristen K. Irwin, Matthew R. Jones, Stefan Laurent, Rowan D. H. Barrett, Michael W. Nachman, Jeffrey M. Good, Catherine R. Linnen, Jeffrey D. Jensen, Susanne P. Pfeifer

Notice bibliographique

RevueHeredity · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic diversity and population structure
Établissements canadiensMcGill University
Organismes subventionnairesOffice of Experimental Program to Stimulate Competitive ResearchNational Science Foundation
Mots-clésCrypsisBiologyEvolutionary biologyMelanismPopulation geneticsPopulationZoologyGeneticsEcologyPredationDemography

Résumé

récupéré en direct d'OpenAlex

By combining well-established population genetic theory with high-throughput sequencing data from natural populations, major strides have recently been made in understanding how, why, and when vertebrate populations evolve crypsis. Here, we focus on background matching, a particular facet of crypsis that involves the ability of an organism to conceal itself through matching its color to the surrounding environment. While interesting in and of itself, the study of this phenotype has also provided fruitful population genetic insights into the interplay of strong positive selection with other evolutionary processes. Specifically, and predicated upon the findings of previous candidate gene association studies, a primary focus of this recent literature involves the realization that the inference of selection from DNA sequence data first requires a robust model of population demography in order to identify genomic regions which do not conform to neutral expectations. Moreover, these demographic estimates provide crucial information about the origin and timing of the onset of selective pressures associated with, for example, the colonization of a novel environment. Furthermore, such inference has revealed crypsis to be a particularly useful phenotype for investigating the interplay of migration and selection-with examples of gene flow constraining rates of adaptation, or alternatively providing the genetic variants that may ultimately sweep through the population. Here, we evaluate the underlying evidence, review the strengths and weaknesses of the many population genetic methodologies used in these studies, and discuss how these insights have aided our general understanding of the evolutionary process.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,038
Tête enseignante GPT0,292
Écart entre enseignants0,254 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeredityMême sujetGenetic diversity and population structureTravaux en français237 207