The evolution of genetic covariance and modularity as a result of multigenerational environmental fluctuation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The genetic covariance between traits can affect the evolution of a population through selection, drift, and migration. Conversely, research has demonstrated the reciprocal effect of evolutionary processes on changing genetic covariances, in part through mutational covariance, correlational selection, and plasticity. In this article, we propose that correlated changes in selective optima over generations can cause the evolution of genetic covariance and the G-matrix in such a way that the population can, in the future, evolve faster. We use individual-based simulations of populations exposed to three types of changing environments that differ in the correlation of the change between selective pressures. Our simulation experiments demonstrate that selection pressures for different traits changing in a correlated pattern over generations can lead to stronger trait correlations compared to the case with independently changing selective optima. Our findings show that correlated selective pressures result in significantly higher genetic trait covariance and that pleiotropy accounts for the majority of the difference in covariance between treatments. We also observe that the mutational variance evolves according to the environment that the populations were exposed to. Moreover, we show that clustered patterns of changes in selection can allow the evolution of genetic modularity. We show that the pattern of change in the selective environment affects the pace at which fitness evolves, with populations experiencing correlated change in optima having on average higher mean fitness than those experiencing uncorrelated environment 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.
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 | 0,000 | 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 | 0,000 |
| 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 découle