MétaCan
Menu
Retour à la cohorte
Enregistrement W3158708247 · doi:10.1111/1365-2435.13819

The influences of progenitor filtering, domestication selection and the boundaries of nature on the domestication of grain crops

2021· article· en· W3158708247 sur OpenAlexafffund
Lucas A. Garibaldi, Marcelo A. Aizen, Gabriela Gleiser, Marina M. Strelin, Lawrence D. Harder

Notice bibliographique

RevueFunctional Ecology · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic diversity and population structure
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAgencia Nacional de Promoción Científica y TecnológicaUniversidad Nacional de Río NegroFondo para la Investigación Científica y TecnológicaConsejo Nacional de Investigaciones Científicas y Técnicas
Mots-clésDomesticationBiologyCropSelection (genetic algorithm)BotanyAgronomyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Domestication generally involves two sequential processes: initial identification of wild species with desirable characteristics (‘progenitor filtering’) and subsequent artificial and natural selection that, respectively, improve features preferred by humans and adapt species to cultivation/captivity (‘domestication selection’). Consequently, domesticated species can differ from wild species and may share characteristics owing to convergent evolution (‘domestication syndrome’). Baring evolutionary constraints, domestication selection may generate extreme phenotypes that transcend the ‘boundaries of nature’ evident for wild species. Despite evidence of domestication syndromes in some clades, broader contributions of progenitor filtering and domestication selection to characteristics of contemporary domesticated species have received limited attention. Using comparative analysis of 49 grain‐crop and 87 wild annual plant species from 15 families, we (1) addressed whether plants of crop and wild species differ for mean seed number, per‐seed mass and total seed‐mass investment; (2) assessed contributions of (a) progenitor filtering and (b) domestication selection to these differences; (3) evaluated whether crop characteristics exceed the boundaries of nature and (4) assessed whether seed‐production characteristics of grain crops constitute components of a generic domestication syndrome. On average, grain‐crop plants produce heavier seeds and greater total seed mass than wild species, but seed number per plant does not differ. Comparison of wild species between genera with or without crop species found no evidence of progenitor filtering. In contrast, crop species differed from congeneric wild species for the mass traits, but not for seed number. Greater seed investment by crops is consistent with artificial selection for enhanced seed yield (mass per harvested area), whereas heavier individual seeds suggest selection for improved nutritional quality and (or) adaptation to cultivation environments. Seed number–size characteristics of grain‐crop species lie within the bivariate variation among wild species and so do not exceed the boundaries of nature. Seed number and size varied similarly between species types and generally aligned with seed‐investment isoclines, suggesting an upper investment limit. Despite greater average investment in seed production and individual seeds by grain‐crop species, seed‐production characteristics did not vary less among crop species than among wild species, which is inconsistent with a common domestication syndrome. A free Plain Language Summary can be found within the Supporting Information of this article.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,741
Score d'incertitude au seuil0,205

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,227
Écart entre enseignants0,221 · 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 tête enseignante, 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

Citations17
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFunctional EcologyMême sujetGenetic diversity and population structureTravaux en français237 207