MétaCan
Menu
Retour à la cohorte
Enregistrement W4244758980 · doi:10.1554/05-502.1

ASSORTATIVE MATING FOR FITNESS AND THE EVOLUTION OF RECOMBINATION

2006· article· en· W4244758980 sur OpenAlexaff
Alistair Blachford, Aneil F. Agrawal

Notice bibliographique

RevueEvolution · 2006
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEvolution and Genetic Dynamics
Établissements canadiensUniversity of TorontoUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAssortative matingBiologyRecombinationMatingEvolutionary biologySelection (genetic algorithm)Linkage (software)Genetic FitnessMutationGeneticsBiological evolutionGeneMachine learning

Résumé

récupéré en direct d'OpenAlex

To understand selection on recombination, we need to consider how linkage disequilibria develop and how recombination alters these disequilibria. Any factor that affects the development of disequilibria, including nonrandom mating, can potentially change selection on recombination. Assortative mating is known to affect linkage disequilibria but its effects on the evolution of recombination have not been previously studied. Given that assortative mating for fitness can arise indirectly via a number of biologically realistic scenarios, it is plausible that weak assortative mating occurs across a diverse set of taxa. Using a modifier model, we examine how assortative mating for fitness affects the evolution of recombination under two evolutionary scenarios: selective sweeps and mutation-selection balance. We find there is no net effect of assortative mating during a selective sweep. In contrast, assortative mating could have a large effect on recombination when deleterious alleles are maintained at mutation-selection balance but only if assortative mating is sufficiently strong. Upon considering reasonable values for the number of loci affecting fitness components, the strength of selection, and the mutation rate, we conclude that the correlation in fitness between mates is unlikely to be sufficiently high for assortative mating to affect the evolution of recombination in most 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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,549
Score d'incertitude au seuil0,223

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)0,0000,000

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 Opus0,003
Tête enseignante GPT0,227
Écart entre enseignants0,224 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvolutionMême sujetEvolution and Genetic DynamicsTravaux en français237 207