Ecology and age, but not genetic ancestry, predict fetal loss in a wild baboon hybrid zone
Notice bibliographique
Résumé
OBJECTIVES: Pregnancy failure represents a major fitness cost for any mammal, particularly those with slow life histories such as primates. Here, we quantified the risk of fetal loss in wild hybrid baboons, including genetic, ecological, and demographic sources of variance. We were particularly interested in testing the hypothesis that hybridization increases fetal loss rates. Such an effect would help explain how baboons may maintain genetic and phenotypic integrity despite interspecific gene flow. MATERIALS AND METHODS: We analyzed outcomes for 1020 pregnancies observed over 46 years in a natural yellow baboon-anubis baboon hybrid zone. Fetal losses and live births were scored based on records of female reproductive state and the appearance of live neonates. We modeled the probability of fetal loss as a function of a female's genetic ancestry (the proportion of her genome estimated to be descended from anubis [vs. yellow] ancestors), age, number of previous fetal losses, dominance rank, group size, climate, and habitat quality using binomial mixed effects models. RESULTS: Female genetic ancestry did not predict fetal loss. Instead, the risk of fetal loss is elevated for very young and very old females. Fetal loss is most robustly predicted by ecological factors, including poor habitat quality prior to a home range shift and extreme heat during pregnancy. DISCUSSION: Our results suggest that gene flow between yellow and anubis baboons is not impeded by an increased risk of fetal loss for hybrid females. Instead, ecological conditions and female age are key determinants of this component of female reproductive success.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».