MétaCan
Menu
Retour à la cohorte
Enregistrement W6948166069 · doi:10.5061/dryad.2d95h

Data from: An ecological approach to measuring the evolutionary consequences of gene flow from crops to wild or weedy relatives

2015· dataset· en· W6948166069 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2015
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésIntrogressionGene flowGenetic diversityGene poolPopulationPopulation geneticsGenetic variation

Résumé

récupéré en direct d'OpenAlex

Premise of the study: Agricultural practices routinely create opportunities for crops to hybridize with wild relatives, leading to crop gene introgression into wild genomes. Conservationists typically worry this introgression could lead to genetic homogenization of wild populations, over and above the central concern of transgene escape. Alternatively, viewing introgression as analogous to species invasion, we suggest that increased genetic diversity may likewise be an undesirable outcome. Methods: Here, we compare the sensitivity of conventional population genetic metrics with species diversity indices as indicators of the impact of gene flow on genetic diversity. We illustrate this novel approach using multilocus genotype data (12 allozyme loci) from 10 wild (Beta vulgaris subsp. maritima) and eight putative crop–wild hybrid beet populations (B. vulgaris subsp. vulgaris × B. vulgaris subsp. maritima) scattered throughout Europe. Results: Conventional population genetic metrics mostly failed to detect shifts in genetic composition of putative hybrid populations. By contrast, species diversity indices unambiguously revealed increased genetic diversity in putative hybrid populations. Discussion: We encourage other workers to explore the utility of our more sensitive approach for risk assessment prior to the release of transgenic crops, with a view toward widespread adoption of our method in studies aimed at detecting allelic invasion.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,008

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 Opus0,119
Tête enseignante GPT0,299
Écart entre enseignants0,179 · 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
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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetSpecies Distribution and Climate ChangeTravaux en français237 207