Minimally invasive biomarkers in human and non‐human primate evolutionary biology: Tools for understanding variation and adaptation
Notice bibliographique
Résumé
BACKGROUND: The use of minimally invasive biomarkers (MIBs - physiological biomarkers obtained from minimally invasive sample types) has expanded rapidly in science and medicine over the past several decades. The MIB approach is a methodological strength in the field of human and non-human primate evolutionary biology (HEB). Among humans and our closest relatives, MIBs provide unique opportunities to document phenotypic variation and to operationalize evolutionary hypotheses. AIMS: This paper overviews the use of MIBs in HEB. Our objectives are to (1) highlight key research topics which successfully implement MIBs, (2) identify promising yet under-investigated areas of MIB application, and (3) discuss current challenges in MIB research, with suggestions for advancing the field. DISCUSSION AND CONCLUSIONS: A range of MIBs are used to investigate focal topics in HEB, including energetics and life history variation/evolution, developmental plasticity, and social status and dominance relationships. Nonetheless, we identify gaps in existing MIB research on traits such as physical growth and gut function that are central to the field. Several challenges remain for HEB research using MIBs, including the need for additional biomarkers and methods of assessment, robust validations, and approaches that are standardized across labs and research groups. Importantly, researchers must provide better support for adaptation and fitness effects in hypothesis testing (e.g., by obtaining complementary measures of energy expenditure, demonstrating redundancy of function, and performing lifetime/longitudinal analyses). We point to continued progress in the use of MIBs in HEB to better understand the past, present, and future of humans and our closest primate relatives.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».