MétaCan
Menu
← Retour à la cohorte
Enregistrement W6929723753 · doi:10.5061/dryad.5892n

Data from: Comparing the intersex genetic correlation for fitness across novel environments in the fruit fly, Drosophila serrata

2013· dataset· en· W6929723753 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2013
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésGenetic variationGenetic correlationCorrelationAdaptation (eye)Genetic variabilityPopulationSelection (genetic algorithm)CovarianceQuantitative genetics

Résumé

récupéré en direct d'OpenAlex

Sexually antagonistic genetic variation can pose limits to the independent evolution and adaptation of the sexes. The extent of sexually antagonistic variation is reflected in the intersex genetic correlation for fitness (rwFM). Previous estimates of this correlation have been mostly limited to populations in environments to which they are already well adapted, making it difficult to gauge the importance of sexually antagonistic genetic variance during the early stages of adaptation, such as that occurring following abrupt environmental change or upon the colonization of new habitat. Here we assayed male and female lifetime fitness in a population of Drosophila serrata in four novel laboratory environments. We found that rwFM varied significantly across environments, with point estimates ranging from positive to negative values of considerable magnitude. We also found that the variability among estimates was because, at least in part, of significant differences among environments in the genetic variances of both male and female fitness, with no evidence of any significant changes in the intersex covariance itself, although standard errors of these estimates were large. Our results illustrate the unpredictable nature of rwFM in novel environments and suggest that, although sexually antagonistic genetic variance can be pronounced in some novel environments, it may have little effect in constraining the early stages of adaptation in others.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,044
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0260,023

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 Opus0,091
Tête enseignante GPT0,313
Écart entre enseignants0,223 · 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)→Travaux en français237 207→