MétaCan
Menu
Retour à la cohorte
Enregistrement W4281561633 · doi:10.1126/science.abk0853

Genetic variance in fitness indicates rapid contemporary adaptive evolution in wild animals

2022· article· en· W4281561633 sur OpenAlexafffund
Timothée Bonnet, Michael B. Morrissey, Pierre de Villemereuil, Susan C. Alberts, Peter Arcese, Liam D. Bailey, Stan Boutin, Patricia Brekke, Lauren J. N. Brent, Glauco Camenisch, Anne Charmantier, Tim Clutton‐Brock, Andrew Cockburn, David W. Coltman, Alexandre Courtiol, Eve Davidian, Simon Evans, John G. Ewen, Marco Festa‐Bianchet, Christophe de Franceschi, Lars Gustafsson, Oliver P. Höner, Thomas M. Houslay, Lukas F. Keller, Marta B. Manser, Andrew G. McAdam, Emily M. McLean, Pirmin Nietlisbach, Helen L. Osmond, Josephine M. Pemberton, Erik Postma, Jane M. Reid, Alexis Rutschmann, Anna W. Santure, Ben C. Sheldon, Jon Slate, Céline Teplitsky, Marcel E. Visser, Bettina Wachter, Loeske E. B. Kruuk

Notice bibliographique

RevueScience · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensUniversité de SherbrookeUniversity of AlbertaUniversity of British Columbia
Organismes subventionnairesLeibniz-GemeinschaftResearch EnglandNatural Sciences and Engineering Research Council of CanadaMax-Planck-Institut für demografische ForschungResearch School of Biology, Australian National UniversityUppsala UniversitetUniversität ZürichCentre National de la Recherche ScientifiqueVetenskapsrådetMAVA FoundationUniversity of PretoriaKoninklijke Nederlandse Akademie van WetenschappenNederlands Instituut voor EcologieSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Center for Research ResourcesAustralian GovernmentAgence Nationale de la RechercheRoyal Society Te ApārangiNational Science FoundationUniversity of AberdeenSvenska Forskningsrådet FormasUniversity of St AndrewsUniversity of ExeterUniversity of AlbertaNational Computational InfrastructureNational Cancer InstituteLeakey FoundationBiotechnology and Biological Sciences Research CouncilUniversité de SherbrookeEmory UniversityNatural Environment Research CouncilLeibniz-Institut für Zoo- und WildtierforschungNorges ForskningsrådUniversity of OxfordNorges Teknisk-Naturvitenskapelige UniversitetDirectorate for Biological SciencesNational Geographic SocietyNational Institutes of HealthMuséum National d'Histoire NaturelleSight Research UKUniversité de MontpellierIllinois State University
Mots-clésSelection (genetic algorithm)BiologyNatural selectionVariance (accounting)PopulationAdaptive evolutionEvolutionary biologyGenetic FitnessGenetic driftQuantitative geneticsGenetic variabilityGenetic variationBiological evolutionGeneticsDemographyComputer scienceMachine learningGeneGenotype

Résumé

récupéré en direct d'OpenAlex

The rate of adaptive evolution, the contribution of selection to genetic changes that increase mean fitness, is determined by the additive genetic variance in individual relative fitness. To date, there are few robust estimates of this parameter for natural populations, and it is therefore unclear whether adaptive evolution can play a meaningful role in short-term population dynamics. We developed and applied quantitative genetic methods to long-term datasets from 19 wild bird and mammal populations and found that, while estimates vary between populations, additive genetic variance in relative fitness is often substantial and, on average, twice that of previous estimates. We show that these rates of contemporary adaptive evolution can affect population dynamics and hence that natural selection has the potential to partly mitigate effects of current environmental change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
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 Opus0,034
Tête enseignante GPT0,236
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations206
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetAnimal Behavior and ReproductionTravaux en français237 207