MétaCan
Menu
← Retour à la cohorte
Enregistrement W6931443930 · doi:10.5281/zenodo.6579474

Complementary genomic and epigenomic adaptation to environmental heterogeneity

2022· other· en· W6931443930 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typeother
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésEpigeneticsAdaptation (eye)PopulationEpigenomicsGenetic variationGenomicsSelection (genetic algorithm)Local adaptation

Résumé

récupéré en direct d'OpenAlex

While adaptation is commonly thought to result from selection on DNA sequence-based variation, recent studies have highlighted an analogous epigenetic component as well. However, the relative roles of these mechanisms in facilitating population persistence under environmental heterogeneity remain unclear. To address the underlying genetic and epigenetic mechanisms and their relationship during environmental adaptation, we screened the genomes and epigenomes of nine global populations of a predominately sessile marine invasive tunicate, Botryllus schlosseri. We detected clear population differentiation at the genetic and epigenetic levels. Patterns of genetic and epigenetic structure were significantly influenced by local environmental variables. Among these variables, minimum annual sea surface temperature was simultaneously identified as the top explanatory variable for both genetic and epigenetic variation. However, patterns of population structure driven by genetic and epigenetic variation were somewhat distinct, suggesting possible autonomy of epigenetic variation. We found both shared and specific genes and biological pathways among genetic and epigenetic loci associated with environmental factors, consistent with complementary and independent contributions of genetic and epigenetic variation to environmental adaptation in this system. Collectively, these mechanisms may facilitate population persistence under environmental change and sustain successful invasions across novel environments.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,039
Tête enseignante GPT0,241
Écart entre enseignants0,202 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Travaux en français237 207→