Fitness maps to a large-effect locus in introduced stickleback populations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Mutations of small effect underlie most adaptation to new environments, but beneficial variants with large fitness effects are expected to contribute under certain conditions. Genes and genomic regions having large effects on phenotypic differences between populations are known from numerous taxa, but fitness effect sizes have rarely been estimated. We mapped fitness over a generation in an F2 intercross between a marine and a lake stickleback population introduced to a freshwater pond. A QTL map of the number of surviving offspring per F2 female detected a single, large-effect locus near Ectodysplasin (Eda), a gene having an ancient freshwater allele causing reduced bony armor and other changes. F2 females homozygous for the freshwater allele had twice the number of surviving offspring as homozygotes for the marine allele, producing a large selection coefficient, s = 0.50 ± 0.09 SE. Correspondingly, the frequency of the freshwater allele increased from 0.50 in F2 mothers to 0.58 in surviving offspring. We compare these results to observed allele frequency changes at the Eda gene in an Alaskan lake population colonized by marine stickleback in the 1980’s. The frequency of the freshwater Eda allele rose steadily over multiple generations and reached 95% within 20 years, yielding a similar estimate of selection, s = 0.49 ± 0.05. These findings are consistent with other studies suggesting strong selection on this gene (and/or linked genes) in fresh water. Selection on ancient genetic variants carried by colonizing ancestors is likely to increase the prevalence of large-effect fitness variants in adaptive evolution.
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,126 |
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 découle