MétaCan
Menu
Retour à la cohorte
Enregistrement W6948572534 · doi:10.5061/dryad.76hdr7t3s

Data from: Temperature-dependent gene regulatory divergence underlies local adaptation with gene flow in the Atlantic silverside

2024· dataset· en· W6948572534 sur OpenAlexaff

Notice bibliographique

RevueDRYAD · 2024
Typedataset
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSubterranean biodiversity and taxonomy
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésGene flowLocal adaptationGeneAdaptation (eye)Regulation of gene expressionGene regulatory networkRegulator gene

Résumé

récupéré en direct d'OpenAlex

Gene regulatory divergence is thought to play an important role in adaptation, yet its extent and underlying mechanisms remain largely elusive for local adaptation with gene flow. Local adaptation is widespread in marine species despite generally high connectivity and is often associated with tightly linked genomic architectures, such as chromosomal inversions. To investigate gene regulatory evolution under gene flow and the role of inversions associated with local adaptation to a steep thermal gradient, we generated RNA-seq data from Atlantic silversides (Menidia menidia) from two locally adapted populations and their F1 hybrids, reared under two temperatures. We found substantial divergence in gene expression and thermal plasticity between populations, with up to 31% of genes being differentially expressed. Reduced thermal plasticity, temperature-dependent gene misexpression and the disruption of co-expression networks in hybrids point towards a role of regulatory incompatibilities in local adaptation, particularly under colder temperatures. Chromosomal inversions show an accumulation of regulatory incompatibilities but are not consistently enriched for differentially expressed genes. Together, these results suggest that gene regulation can diverge substantially among populations despite gene flow, partly due to the accumulation of temperature-dependent regulatory incompatibilities within inversions.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,012

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 Opus0,058
Tête enseignante GPT0,209
Écart entre enseignants0,151 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDRYADMême sujetSubterranean biodiversity and taxonomyTravaux en français237 207