MétaCan
Menu
Retour à la cohorte
Enregistrement W6931683045 · doi:10.5683/sp2/0zs9qw

Data from: Differential selection between the sexes and selection for sex

2021· dataset· en· W6931683045 sur OpenAlexaff

Notice bibliographique

RevueBorealis · 2021
Typedataset
Langueen
DomaineMedicine
ThématiqueOphthalmology and Visual Impairment Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)Sexual selectionReproductionStability (learning theory)Sexual reproductionNatural selection

Résumé

récupéré en direct d'OpenAlex

AbstractAnisogamy is known to generate an important cost for sexual reproduction (the famous "twofold cost of sex"). However, male-female differences may have other consequences on the evolution of sex, due to the fact that selective pressures may differ among the sexes. On the one hand, intralocus sexual conflict should favor asexual females, which can fix female-beneficial, male-detrimental alleles. On the other hand, it has been suggested repeatedly that sexual selection among males may help to purge the mutation load, providing an advantage to sexual females. However, no analytical model has computed the strength of selection acting on a modifier gene affecting the frequency of sexual reproduction when selection differs between the sexes. In this paper we analyze a two-locus model using two approaches: a QLE analysis and a local stability analysis, whose predictions are verified using a multilocus simulation. We find that costly sex can be maintained when selection is stronger in males than in females, but acts in the same direction in both. Complete asexuality, however, evolves under any other form of selection. Finally, we discuss how experimental measurements of fitness variances and covariances between sexes could be used to determine the overall direction and strength on selection for sex arising from differences in selection between 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)0,002
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 enseignants0,021
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
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 ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,016

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 Opus0,088
Tête enseignante GPT0,389
Écart entre enseignants0,301 · 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 revueBorealisMême sujetOphthalmology and Visual Impairment StudiesTravaux en français237 207