Resistance evolution, from genetic mechanism to ecological context
Notice bibliographique
Résumé
Resistance evolution, from genetic mechanism to ecological contextRegina S. Baucom1, Veronica Iriart2, Julia Kreiner3, and Sarah Yakimowski41Ecology and Evolutionary Biology Department, University of Michigan, Ann Arbor, Michigan, USA2Department of Biological Sciences, University of Pittsburgh, Pittsburgh, Pennsylvania, USA3Biodiversity Research Centre & Department of Botany, The University of British Columbia, Vancouver, BC V6T 1Z44Department of Biology, Queen’s University, Kingston, ON K7L 3N6CorrespondenceRegina S. Baucom, Ecology and Evolutionary Biology Department, University of Michigan, Ann Arbor, Michigan, 48109.Email: rsbaucom@umich.edu*Authors contributed equallyPesticide use by humans has induced strong selective pressures, reshaping evolutionary trajectories, ecological networks, and even influencing ecosystem dynamics. The evolution of pesticide resistance across weeds, insects, and fungi often leads to negative impacts on both human health and the economy while concomitantly providing excellent systems for studying the process of evolution. In fact, the study of pesticide resistance has been a feature of evolutionary biology since the Evolutionary Synthesis, with Dobzhansky noting in his book The Genetics and Origins of Species (1937) that cyanide resistance in the California red scale constituted the “best proof of the effectiveness of natural selection yet obtained”. Following the pioneering work of James Crow and others in the 1950’s—which greatly expanded our knowledge of the genetics underlying adaptation—the study of pesticide resistance has shed light on a variety of topics, such as the repeatability of phenotypic evolution across the landscape, ‘hotspots’ of evolution across the genome, and information on the number and type of genetic solutions that populations may employ to strong selection pressures.Landscape level approaches have come to the forefront over the last 20 years of resistance evolution research, often taking advantage of the fact that replicated populations of the same species are exposed to the same pesticide. Further, the resistance evolution field is turning more attention to the ecological context within which resistance evolution occurs, likely stemming, at least in part, from an historical focus on fitness costs (Cousens & Fournier-Level 2018; Baucom 2019). This special feature, ‘Resistance evolution, from genetic mechanism to ecological context’ in Molecular Ecology captures the current state of resistance evolution with contributions broadly addressing the question ‘What has the rapid evolution of pesticide resistance taught us about genome dynamics and adaptation as well as the ecological context within which resistance evolution occurs?’ Below, we contextualize the manuscripts in this special issue that provide insight into the state of the art investigations of resistance evolution across various species of insects, weeds and fungi.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».