Quantitative trait locus mapping reveals an independent genetic basis for joint divergence in leaf function, life‐history, and floral traits between scarlet monkeyflower ( <i>Mimulus cardinalis</i> ) populations
Notice bibliographique
Résumé
PREMISE: Across taxa, vegetative and floral traits that vary along a fast-slow life-history axis are often correlated with leaf functional traits arrayed along the leaf economics spectrum, suggesting a constrained set of adaptive trait combinations. Such broad-scale convergence may arise from genetic constraints imposed by pleiotropy (or tight linkage) within species, or from natural selection alone. Understanding the genetic basis of trait syndromes and their components is key to distinguishing these alternatives and predicting evolution in novel environments. METHODS: We used a line-cross approach and quantitative trait locus (QTL) mapping to characterize the genetic basis of twenty leaf functional/physiological, life history, and floral traits in hybrids between annualized and perennial populations of scarlet monkeyflower (Mimulus cardinalis). RESULTS: We mapped both single and multi-trait QTLs for life history, leaf function and reproductive traits, but found no evidence of genetic co-ordination across categories. A major QTL for three leaf functional traits (thickness, photosynthetic rate, and stomatal resistance) suggests that a simple shift in leaf anatomy may be key to adaptation to seasonally dry habitats. CONCLUSIONS: Our results suggest that the co-ordination of resource-acquisitive leaf physiological traits with a fast life-history and more selfing mating system results from environmental selection rather than functional or genetic constraint. Independent assortment of distinct trait modules, as well as a simple genetic basis to leaf physiological traits associated with drought escape, may facilitate adaptation to changing climates.
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 ».