Widespread misregulation of inter-species hybrid transcriptomes due to sex-specific and sex-chromosome regulatory evolution
Notice bibliographique
Résumé
When gene regulatory networks diverge between species, their dysfunctional expression in inter-species hybrid individuals can create genetic incompatibilities that generate the developmental defects responsible for intrinsic post-zygotic reproductive isolation. Both cis- and trans-acting regulatory divergence can be hastened by directional selection through adaptation, sexual selection, and inter-sexual conflict, in addition to cryptic evolution under stabilizing selection. Dysfunctional sex-biased gene expression, in particular, may provide an important source of sexually-dimorphic genetic incompatibilities. Here, we characterize and compare male and female/hermaphrodite transcriptome profiles for sibling nematode species Caenorhabditis briggsae and C. nigoni, along with allele-specific expression in their F1 hybrids, to deconvolve features of expression divergence and regulatory dysfunction. Despite evidence of widespread stabilizing selection on gene expression, misexpression of sex-biased genes pervades F1 hybrids of both sexes. This finding implicates greater fragility of male genetic networks to produce dysfunctional organismal phenotypes. Spermatogenesis genes are especially prone to high divergence in both expression and coding sequences, consistent with a "faster male" model for Haldane's rule and elevated sterility of hybrid males. Moreover, underdominant expression pervades male-biased genes compared to female-biased and sex-neutral genes and an excess of cis-trans compensatory regulatory divergence for X-linked genes underscores a "large-X effect" for hybrid male expression dysfunction. Extensive regulatory divergence in sex determination pathway genes likely contributes to demasculinization of XX hybrids. The evolution of genetic incompatibilities due to regulatory versus coding sequence divergence, however, are expected to arise in an uncorrelated fashion. This study identifies important differences between the sexes in how regulatory networks diverge to contribute to sex-biases in how genetic incompatibilities manifest during the speciation 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 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 ».