Morphology-performance Mapping Determines Least Functional Resistance in Morphospace: A Case of Dual Locomotor Systems in Chinese Sturgeon
Notice bibliographique
Résumé
Morphology-performance (M-P) mapping seems to be predictive of how morphology may evolve along “functional lines of least resistance”, regardless of genetic effect, but as yet it is not clear the strict (or mathematical) definition of the least functional resistance and how M-P mapping determines it. We recorded station-holding and swimming performance using a published critical swimming speed (Ucrit) test in Chinese sturgeon Acipenser sinensis, and used Ucrit as a proxy for fitness. We addressed a geometric morphometric framework to initiate Arnold’s “morphology-performance-fitness” path model (Arnold, 1983), assessing and visualizing apparent and direct M-P mapping. We quantified them as that one unit of the most-performance-covaried shape vector generated fapparent and f units of standardized performance, respectively. We defined the least functional resistance as the theoretically minimum morphological variation on an arbitrary direction in morphospace required by one unit of standardized fitness, (|b-1|min), which was calculated as a multivariate function of direct M-P mapping (f), together with the angle between paired most-performance-covaried shape vectors in morphospace (θ) and direct performance effect on fitness (w), given dual performance systems. The simulated and empirical data suggested that |b-1|min was constrained by larger sum of absolute direct effects (|fhold| + |fswim|) and absolute functional interaction (|fhold fswim cos θ|), and its direction was biased by magnitude of direct M-P mapping.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».