MétaCan
Menu
Retour à la cohorte
Enregistrement W4392939969 · doi:10.1101/cshperspect.a041426

How Does Selfing Affect the Pace and Process of Speciation?

2024· review· en· W4392939969 sur OpenAlexaff
Lucas Marie‐Orleach, Sylvain Glémin, Marie Kristine Brandrud, Anne K. Brysting, Abel Gizaw, A. Lovisa S. Gustafsson, Loren H. Rieseberg, Christian Brochmann, Siri Birkeland

Notice bibliographique

RevueCold Spring Harbor Perspectives in Biology · 2024
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNorges Forskningsråd
Mots-clésNorwegianColumbia universityBiologyGenetic algorithmBiological sciencesLibrary scienceEcologyArt historySociologyHistoryMedia studiesPhilosophyComputer science

Résumé

récupéré en direct d'OpenAlex

Surprisingly little attention has been given to the impact of selfing on speciation, even though selfing reduces gene flow between populations and affects other key population genetics parameters.Here we review recent theoretical work and compile empirical data from crossing experiments and genomic and phylogenetic studies to assess the effect of mating systems on the speciation process.In accordance with theoretical predictions, we find that accumulation of hybrid incompatibilities seems to be accelerated in selfers, but there is so far limited empirical support for a predicted bias toward underdominant loci.Phylogenetic evidence is scarce and contradictory, including studies suggesting that selfing either promotes or hampers speciation rate.Further studies are therefore required, which in addition to measures of reproductive barrier strength and selfing rate should routinely include estimates of demographic history and genetic divergence as a proxy for divergence time.S peciation rates vary considerably among lin- eages, but the sources of this variation are still poorly known (Coughlan and Matute 2020).One factor that may affect the pace as well as the process of speciation is mating system, which ranges from obligately outcrossing to predominantly selfing in many groups, including plants and animals (Igic and Kohn 2006;Jarne and Auld 2006;

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,956
Score d'incertitude au seuil0,242

Scores Codex et Gemma par catégorie

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

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 Opus0,047
Tête enseignante GPT0,303
Écart entre enseignants0,256 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCold Spring Harbor Perspectives in BiologyMême sujetPlant and animal studiesTravaux en français237 207