MétaCan
Menu
Retour à la cohorte
Enregistrement W4405920301 · doi:10.1111/ele.14505

Inheritance of Material Wealth in a Natural Population

2024· article· en· W4405920301 sur OpenAlexaff
Murielle Ålund, S. Eryn McFarlane, Arild Husby, Jonas Knape, Tomas Pärt, Päivi M. Sirkiä, Franz J. Weissing, David Wheatcroft, Yishu Zhu, Anna Qvarnström

Notice bibliographique

RevueEcology Letters · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensYork University
Organismes subventionnairesVetenskapsrådetSvenska Forskningsrådet FormasRoyal Swedish Academy of Sciences
Mots-clésBiologyInheritance (genetic algorithm)HeritabilityPopulationEvolutionary biologyAdaptation (eye)Genetic FitnessNatural selectionLocal adaptationEcologyGeneticsDemographyBiological evolutionGene

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Evolutionary adaptation occurs when individuals vary in access to fitness‐relevant resources and these differences in ‘material wealth’ are heritable. It is typically assumed that the inheritance of material wealth reflects heritable variation in the phenotypic abilities needed to acquire material wealth. We scrutinise this assumption by investigating additional mechanisms underlying the inheritance of material wealth in collared flycatchers. A genome‐wide association analysis reveals a high genomic heritability ( h 2 = 0.405 ± 0.08) of access to caterpillar larvae, a fitness‐relevant resource, in the birds' breeding territories. However, we find little evidence for heritable variation in phenotypic abilities needed to acquire this material wealth. Instead, combined evidence from simulations, experimental and long‐term monitoring data indicate that inheritance of material wealth is largely explained by philopatry causing a within‐population genetic structure across a heterogeneous landscape. Therefore, allelic variants associated with high material wealth may spread in the population without having causal connections to traits promoting local adaptation.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil0,152

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,010
Tête enseignante GPT0,230
Écart entre enseignants0,220 · 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'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetAnimal Behavior and ReproductionTravaux en français237 207