Multi-generation selective landscapes and sub-lethal injuries in stickleback
Notice bibliographique
Résumé
The interaction between predation landscape and phenotypic variability within prey populations is of substantial significance in evolutionary biology. Extending from several decades of studies at a remote freshwater lake on Haida Gwaii, western Canada, we analyze the incidence of predator-induced sub-lethal injuries in 8,069 wild-captured threespine stickleback (Gasterosteus aculeatus) and using cohort analyses test whether the distribution of injuries informs the selective landscape influencing the bell-shaped frequency distribution of the traits. Our results indicate that (1) the incidence of injuries varies among phenotypes differing in the number and position of lateral plates, (2) these differences occur only among younger fish, (3) the incidence of injuries is inversely related to the estimated population frequencies of plate phenotypes, with the modal phenotype generally having the fewest injuries, (4) direct estimates of selective differentials and relative fitness based on analyses of 1,735 fish from 6 independent yearly cohorts indicates statistically informative elevated differentials in phenotypes with greater number of plates and elevated relative fitness of non-modal phenotypes, and (5) there are significant differences among yearly cohorts in strength and direction of selection, and an increased prevalence of diversifying versus stabilizing selection despite longer-term stasis (4 decades) in trait means. We conclude that the presence of multiple “optimal” phenotypes complements the renewed interest in quantifying short-term temporal or spatial variation in ecological processes in studies of fitness landscapes and intrapopulation variability.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,009 |
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 ».