MétaCan
Menu
Retour à la cohorte
Enregistrement W4240830020 · doi:10.1002/9780470015902.a0003268.pub2

Molecular Ecology

2014· other· en· W4240830020 sur OpenAlexaff
Joanna R. Freeland

Notice bibliographique

RevueEncyclopedia of Life Sciences · 2014
Typeother
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic diversity and population structure
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésMolecular ecologyBiologyGenetic diversityConservation geneticsEvolutionary biologyEcologyEvolutionary ecologyPopulation geneticsDNA sequencingGenomicsMolecular evolutionGeneAllelePopulationGeneticsGenomeMicrosatellite

Résumé

récupéré en direct d'OpenAlex

Abstract Molecular ecology is a field of biology that uses molecular genetic data to address ecological questions in disciplines as varied as genomics, biogeography, conservation genetics, and behavioural ecology. The majority of studies in molecular ecology use data that are based on deoxyribonucleic acid (DNA) sequences, an approach that has been greatly enhanced in recent years by the advent of next‐generation sequencing, which collectively refers to methods that allow researchers to simultaneously sequence up to several thousand genes from a very small amount of starting DNA. In addition to DNA sequences, researchers can compare individuals and populations by characterising different versions of a particular gene (known as alleles) based on their sizes. By using molecular markers such as DNA sequences or allele sizes, researchers can quantify the genetic diversity within populations and the genetic similarity among populations. This in turn allows them to address specific questions pertaining to the ecology and evolution of species. Key Concepts: Molecular ecology uses molecular genetic data to address ecological questions. A variety of molecular markers can be used to genetically characterise species and populations. Next‐generation sequencing has greatly enhanced our ability to collect large amounts of genetic data at relatively low cost. Molecular genetic data from natural populations allow researchers to quantify the genetic diversity within populations, and the genetic similarity among populations. Genetic diversity is required for the long‐term survival of populations and species, and is influenced by a range of different factors. Gene flow among populations strongly influences their genetic similarity. Landscape genetics helps researchers to understand barriers to gene flow across a series of landscapes. Eco‐genomics is a field of study that seeks to understand the genetic mechanisms behind adaptation and natural selection. Behavioural molecular ecology uses highly variable molecular markers to differentiate individuals and to assign parentage. Phylogeography uses molecular genetic data to infer some of the ways in which historical events and processes have shaped the current distributions of species.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,197
Score d'incertitude au seuil0,884

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,008
Tête enseignante GPT0,239
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEncyclopedia of Life SciencesMême sujetGenetic diversity and population structureTravaux en français237 207