Making the most of population genomic data to understand the importance of chromosomal inversions for adaptation and speciation
Notice bibliographique
Résumé
Chromosomal inversions are increasingly found to differentiate locally adapted populations. This adaptive role is predictable because reduced recombination protects allelic combinations from gene flow. However, we are far from understanding how frequently inversions contribute to local adaptation and how widespread this phenomenon is across species. In a "From the Cover" article in this issue of Molecular Ecology, Huang, Andrew, Owens, Ostevik, and Rieseberg (2020) provide an important step towards this goal not only by finding adaptive inversions in a sunflower ecotype, but also by reversing the approach used to investigate the link between adaptation and inversions. Most studies compare two phenotypes and uncover divergence at a few regions, of which some can subsequently be identified as inversions. In contrast, Huang et al first catalogue putative inversions and then test genotype-environment associations, which allows them to ask systematically whether inversions may be adaptive and in which ecological contexts. They achieve that by revisiting a previous reduced-representation sequencing (RAD-sequencing) data set, demonstrating the suitability of this method to detect inversions in species with limited genomic resources. As such, Huang et al pave the way for a better understanding of the evolutionary role of structural genomic variation and highlight that accounting for inversions in population genomics is now possible, and much needed, in a wider range of organisms.
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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,022 | 0,033 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,007 |
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 ».