MétaCan
Menu
Retour à la cohorte
Enregistrement W4285730436 · doi:10.1073/pnas.2122153119

Three problems in the genetics of speciation by selection

2022· article· en· W4285730436 sur OpenAlexafffund
Dolph Schluter, Loren H. Rieseberg

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEvolution and Genetic Dynamics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésSelection (genetic algorithm)Genetic algorithmEvolutionary biologyBiologyGeneticsComputational biologyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Speciation is the process by which barriers to gene flow evolve between populations. Although we now know that speciation is largely driven by natural selection, knowledge of the agents of selection and the genetic and genomic mechanisms that facilitate divergence is required for a satisfactory theory of speciation. In this essay, we highlight three advances/problems in our understanding of speciation that have arisen from studies of the genes and genomic regions that underlie the evolution of reproductive isolation. First, we describe how the identification of "speciation" genes makes it possible to identify the agents of selection causing the evolution of reproductive isolation, while also noting that the link between the genetics of phenotypic divergence and intrinsic postzygotic reproductive barriers remains tenuous. Second, we discuss the important role of recombination suppressors in facilitating speciation with gene flow, but point out that the means and timing by which reproductive barriers become associated with recombination cold spots remains uncertain. Third, we establish the importance of ancient genetic variation in speciation, although we argue that the focus of speciation studies on evolutionarily young groups may bias conclusions in favor of ancient variation relative to new mutations.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,496
Score d'incertitude au seuil0,114

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,021
Tête enseignante GPT0,274
Écart entre enseignants0,253 · 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'étudeExpérimental (laboratoire)
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

Citations89
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetEvolution and Genetic DynamicsTravaux en français237 207