MétaCan
Menu
← Retour à la cohorte
Enregistrement W6911006008 · doi:10.5061/dryad.n2z34tmvc

Data from: Female mating experience and genetic background independently influence male mating success in fruit flies

2020· dataset· en· W6911006008 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2020
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMatingReproductive successSexual conflictAffect (linguistics)Sexual selectionMate choiceAntagonistic Coevolution

Résumé

récupéré en direct d'OpenAlex

When the reproductive interests of males and females conflict, males can evolve traits that are harmful to females, and females can coevolve traits to resist this harm. In the fruit fly, Drosophila melanogaster, there is genetic variation in female resistance traits, which can affect the pre- and post-mating success of males that try to mate with them. However, it is not clear to what extent the expression of these phenotypes can be modified by environmental factors such as sociosexual experience. Here, we tested how the genetic background of a female and her previous mating experience interact to affect the mating success of focal males. In the experience phase, we placed females from 28 distinct genetic backgrounds individually either with a single male (low conflict) or with three males (high conflict) for 48 hours. In the subsequent test phase, we measured the mating and post-mating fertilization success of focal males paired individually with each female. We found that focal males paired with females from the high conflict treatment were less successful at mating, took longer to mate when they were successful, and had a lower proportion of paternity share. Furthermore, we identified significant female genetic variation associated with male mating success. These results indicate that female experience, along with intrinsic genetic factors, can independently influence different fitness components of her subsequent mates and has implications for our understanding of plastic female mating strategies and the evolution of sexually antagonistic traits in males and females.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0240,018

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 Opus0,147
Tête enseignante GPT0,385
Écart entre enseignants0,238 · 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'étudeExpérimental (laboratoire)
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→