Notice bibliographique
Résumé
Abstract Molecular ecology uses molecular genetic data (typically deoxyribonucleic acid (DNA) sequences) from natural populations to address ecological questions. Historically, either relatively short DNA sequences or highly variable sequences known as microsatellites were most commonly used to genetically characterise populations and species. More recently, however, large amounts of DNA sequences are being generated using a relatively new approach known as high‐throughput sequencing (HTS), which allows researchers to simultaneously sequence thousands of genes from one or numerous individuals. HTS allows whole‐genome sequencing, and also the characterisation of natural populations on the basis of numerous (often thousands of) single nucleotide polymorphisms (SNPs), which are DNA sequence variations that arise when a single nucleotide differs between individuals. Genetic characterisation allows researchers to quantify the genetic diversity within populations and the genetic similarity among populations, which in turn provides insight into specific questions pertaining to the ecology and evolution of populations and 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 (high‐throughput) sequencing has greatly enhanced our ability to collect very 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 different types of landscapes. Landscape genomics investigates ways in which local adaptation influences the distribution of conspecifics across different types of habitat. Behavioural molecular ecology uses highly variable molecular markers to quantify the relatedness among individuals, and thus describe dipsersal patterns or mating systems. 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 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 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,008 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».