MétaCan
Menu
← Retour à la cohorte
Enregistrement W6894285784 · doi:10.5683/sp2/mnxgvp

Data from: Divergence is focused on few genomic regions early in speciation: incipient speciation of sunflower ecotypes

2021· dataset· en· W6894285784 sur OpenAlexaff

Notice bibliographique

RevueBorealis · 2021
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEcotypeSympatric speciationLocal adaptationGenetic algorithmAdaptation (eye)Divergence (linguistics)Interspecific competitionAllopatric speciationSympatryIncipient speciation

Résumé

récupéré en direct d'OpenAlex

AbstractEarly in speciation, when populations are undergoing the transition from local adaptation to incipient species, is when a number of transient, but potentially important, processes appear to be most easily detected. These include signatures of selective sweeps that can point to asymmetry in selection between habitats, divergence hitchhiking and associations of adaptive genes with environments. In a genomic comparison of ecotypes of the prairie sunflower, Helianthus petiolaris, occurring at Great Sand Dunes National Park (Colorado), we found that selective sweeps were mainly restricted to the dune ecotype and that there was variation across the genome in whether proximity to the non-dune population constrained or promoted divergence. The major regions of divergence were few and large between ecotypes, in contrast with an interspecific comparison between H. petiolaris and a sympatric congener, H. annuus. In general, the large regions of divergence observed in the ecotypic comparison swamped locus-specific associations with environmental variables. In both comparisons, regions of high divergence occurred in portions of the genetic map with high marker density, probably reflecting regions of low recombination. The difference in genomic distributions of highly divergent regions between ecotypic and interspecific comparisons highlights the value of studies spanning the spectrum of speciation in related taxa.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0290,017

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 Opus0,070
Tête enseignante GPT0,294
Écart entre enseignants0,225 · 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 source (Gemma direct ou Codex distillé), 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
GenreJeu de données

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBorealis→Travaux en français237 207→