Linking plant genes to arthropod community dynamics: current progress and future challenges
Notice bibliographique
Résumé
Plant genetic variation can play a key role in shaping ecological communities. Prior work investigated the effects of coarse-grain variation among plant genotypes on their diverse arthropod communities. Several recent studies, however, have leveraged the boom of genomic resources to study how genome-wide plant variation influences associated communities. These studies have demonstrated that the effects of plant genomic variation are not just detectable but can be important drivers of arthropod communities in natural ecosystems. Field common gardens and lab-based mesocosm experiments are also revealing candidate genes that have large effects on arthropod communities. While we highlight these exciting results, we also discuss key challenges to address in future research. We argue that a major hurdle lies in the integration of genomic tools with hierarchical models of species communities (HMSCs). HMSCs are generative models that provide the opportunity to not only better understand the processes underlying community change but to also predict community dynamics. We also advocate for future research to apply models of genomic prediction to explore the genetic architecture of arthropod community phenotypes. We hypothesize that this genetic architecture will follow an exponential distribution, where a few genes of large effect, but also many genes of small effect, contribute to variation in arthropod communities. The next generation of studies linking plant genes to community dynamics will require interdisciplinary collaborations to build truly predictive models of plant genetic and arthropod community change.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».