Body plan evolvability: The role of variability in gene regulatory networks
Notice bibliographique
Résumé
) development has characterized the degree to which gene regulation networks can be robust to natural variability. In the first few hours of development, broad spatial gradients of maternally derived transcription factors activate embryonic gap genes. These gap patterns determine the subsequent segmented insect body plan through pair-rule gene expression. Gap genes are expressed with greater spatial precision than the maternal patterns. Computational modeling of the gap-gap regulatory interactions provides a mechanistic understanding for this robustness to maternal variability in wild-type (WT) patterning. A long-standing question in evolutionary biology has been how a system which is robust, such as the developmental program creating any particular species' body plan, is also evolvable, i.e. how can a system evolve or speciate, if the WT form is strongly buffered and protected? In the present work, we use the WT model to explore the breakdown of such Waddington-type 'canalization'. What levels of variability will push the system out of the WT form; are there particular pathways in the gene regulatory mechanism which are more susceptible to losing the WT form; and when robustness is lost, what types of forms are most likely to occur (i.e. what forms lie near the WT)? Manipulating maternal effects in several different pathways, we find a common gap 'peak-to-step' pattern transition in the loss of WT. We discuss these results in terms of the evolvability of insect segmentation, and in terms of experimental perturbations and mutations which could test the model predictions. We conclude by discussing the prospects for using continuum models of pattern dynamics to investigate a wider range of evo-devo problems.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».