MétaCan
Menu
Retour à la cohorte
Enregistrement W4322760742 · doi:10.1093/evlett/qrad002

On the fast track: hybrids adapt more rapidly than parental populations in a novel environment

2023· article· en· W4322760742 sur OpenAlexafffund
Jonna Kulmuni, Bryn Wiley, Sarah P. Otto

Notice bibliographique

RevueEvolution Letters · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic diversity and population structure
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAcademy of Finland
Mots-clésTrack (disk drive)HybridComputer scienceFast trackBiologyEvolutionary biologyOperating systemBioinformatics

Résumé

récupéré en direct d'OpenAlex

Rates of hybridization are predicted to increase due to climate change and human activity that cause redistribution of species and bring previously isolated populations into contact. At the same time climate change leads to rapid changes in the environment, requiring populations to adapt rapidly in order to survive. A few empirical cases suggest hybridization can facilitate adaptation despite its potential for incompatibilities and deleterious fitness consequences. Here we use simulations and Fisher's Geometric model to evaluate the conditions and time frame of adaptation via hybridization in both diploids and haplodiploids. We find that hybrids adapt faster to new environments compared to parental populations in nearly all simulated scenarios, generating a fitness advantage that can offset intrinsic incompatibilities and last for tens of generations, regardless of whether the population was diploid or haplodiploid. Our results highlight the creative role of hybridization and suggest that hybridization may help contemporary populations adapt to the changing climate. However, adaptation by hybrids may well happen at the cost of reduced biodiversity, if previously isolated lineages collapse into one.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,022
Tête enseignante GPT0,232
Écart entre enseignants0,210 · 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

Citations42
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEvolution LettersMême sujetGenetic diversity and population structureTravaux en français237 207