MétaCan
Menu
Retour à la cohorte
Enregistrement W3075418953 · doi:10.1098/rspb.2020.1512

Eusociality influences the strength of negative selection on insect genomes

2020· article· en· W3075418953 sur OpenAlexafffund
Mohammad Arshad Imrit, Kathleen A. Dogantzis, Brock A. Harpur, Amro Zayed

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueInsect and Arachnid Ecology and Behavior
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaYork University
Mots-clésEusocialitySelection (genetic algorithm)BiologyKin selectionEvolutionary biologyNatural selectionNegative selectionGroup selectionSocial evolutionGenomeEcologyGeneGeneticsHymenopteraComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

While much of the focus of sociobiology concerns identifying genomic changes that influence social behaviour, we know little about the consequences of social behaviour on genome evolution. It has been hypothesized that social evolution can influence the strength of negative selection via two mechanisms. First, division of labour can influence the efficiency of negative selection in a caste-specific manner; indirect negative selection on worker traits is theoretically expected to be weaker than direct selection on queen traits. Second, increasing social complexity is expected to lead to relaxed negative selection because of its influence on effective population size. We tested these two hypotheses by estimating the strength of negative selection in honeybees, bumblebees, paper wasps, fire ants and six other insects that span the range of social complexity. We found no consistent evidence that negative selection was significantly stronger on queen-biased genes relative to worker-biased genes. However, we found strong evidence that increased social complexity reduced the efficiency of negative selection. Our study clearly illustrates how changes in behaviour can influence patterns of genome evolution by modulating the strength of natural selection.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,037
Tête enseignante GPT0,268
Écart entre enseignants0,231 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations25
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetInsect and Arachnid Ecology and BehaviorTravaux en français237 207