MétaCan
Menu
Retour à la cohorte
Enregistrement W4389640422 · doi:10.1016/j.jtbi.2023.111688

Separation of evolutionary timescales in coevolving species

2023· article· en· W4389640422 sur OpenAlexafffund
Lydia J. Buckingham, Ben Ashby

Notice bibliographique

RevueJournal of Theoretical Biology · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEvolution and Genetic Dynamics
Établissements canadiensPacific Institute for the Mathematical SciencesSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNatural Environment Research CouncilSight Research UK
Mots-clésCoevolutionConvergence (economics)Stability (learning theory)TraitComputer scienceEvolutionary biologyBiologyMachine learning

Résumé

récupéré en direct d'OpenAlex

Many coevolutionary processes, including host-parasite and host-symbiont interactions, involve one species or trait which evolves much faster than the other. Whether or not a coevolutionary trajectory converges depends on the relative rates of evolutionary change in the two species, and so current adaptive dynamics approaches generally either determine convergence stability by considering arbitrary (often comparable) rates of evolutionary change or else rely on necessary or sufficient conditions for convergence stability. We propose a method for determining convergence stability in the case where one species is expected to evolve much faster than the other. This requires a second separation of timescales, which assumes that the faster evolving species will reach its evolutionary equilibrium (if one exists) before a new mutation arises in the more slowly evolving species. This method, which is likely to be a reasonable approximation for many coevolving species, both provides straightforward conditions for convergence stability and is less computationally expensive than traditional analysis of coevolution models, as it reduces the trait space from a two-dimensional plane to a one-dimensional manifold. In this paper, we present the theory underlying this new separation of timescales and provide examples of how it could be used to determine coevolutionary outcomes from models.

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)0,003
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,295
Écart entre enseignants0,287 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Theoretical BiologyMême sujetEvolution and Genetic DynamicsTravaux en français237 207