MétaCan
Menu
Retour à la cohorte
Enregistrement W3082018815 · doi:10.1002/ece3.6688

Examining the molecular mechanisms contributing to the success of an invasive species across different ecosystems

2020· article· en· W3082018815 sur OpenAlexaboutno aff
Sarah K. Lamar, Ian Beddows, Charlyn Partridge

Notice bibliographique

RevueEcology and Evolution · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland and Wildlife Management
Établissements canadiensnon disponible
Organismes subventionnairesEnvironmental Protection AgencyThermo Fisher Scientific
Mots-clésBiologyEcosystemAbiotic componentEcologyHabitatAbiotic stressGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Invasive species provide an opportune system to investigate how populations respond to new environments. Baby's breath ( Gypsophila paniculata ) was introduced to North America in the 1800s and has since spread throughout the United States and western Canada. We used an RNA‐seq approach to explore how molecular processes contribute to the success of invasive populations with similar genetic backgrounds across distinct habitats. Transcription profiles were constructed from seedlings collected from a sand dune ecosystem in Petoskey, MI (PSMI), and a sagebrush ecosystem in Chelan, WA (CHWA). We assessed differential gene expression and identified SNPs within differentially expressed genes. We identified 1,146 differentially expressed transcripts across all sampled tissues between the two populations. GO processes enriched in PSMI were associated with nutrient starvation, while enriched processes in CHWA were associated with abiotic stress. Only 7.4% of the differentially expressed transcripts contained SNPs differing in allele frequencies of at least 0.5 between populations. Common garden studies found the two populations differed in germination rate and seedling emergence success. Our results suggest the success of G. paniculata in these two environments is likely due to plasticity in specific molecular processes responding to different environmental conditions, although some genetic divergence may be contributing to these differences.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,014
Tête enseignante GPT0,214
Écart entre enseignants0,200 · 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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology and EvolutionMême sujetRangeland and Wildlife ManagementTravaux en français237 207