MétaCan
Menu
← Retour à la cohorte
Enregistrement W6966891355 · doi:10.5061/dryad.sk6d5

Data from: Beauty in the eyes of the beholders: color vision is tuned to mate preference in the Trinidadian guppy (Poecilia reticulata)

2014· dataset· en· W6966891355 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2014
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésGuppyMate choicePredationColor visionPoeciliaPreferenceSensory systemVariation (astronomy)

Résumé

récupéré en direct d'OpenAlex

A broad range of animals use visual signals to assess potential mates, and the theory of sensory exploitation suggests variation in visual systems drives mate preference variation due to sensory bias. Trinidadian guppies (Poecilia reticulata), a classic system for studies of the evolution of female mate choice, provide a unique opportunity to test this theory by looking for co-variation in visual tuning, light environment, and mate preferences. Female preference co-evolves with male coloration, such that guppy females from ‘low predation’ environments have stronger preferences for males with more orange/red coloration than do females from ‘high predation’ environments. Here we show that color vision also varies across populations, with ‘low’ predation guppies investing more of their color vision to detect red/orange coloration. In independently colonized watersheds, guppies expressed higher levels of both LWS-1 and LWS-3 (the most abundant LWS opsins) in ‘low predation’ populations than ‘high predation’ populations at a time that corresponds to differences in cone cell abundance. We also observed that the frequency of a coding polymorphism differed between high and low predation populations. Together this shows that the variation underlying preference could be explained by simple changes in expression and coding of opsins, providing important candidate genes to investigate the genetic basis of variation in this model system.

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)0,001
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: Observationnel
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,209

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0620,011

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 Opus0,082
Tête enseignante GPT0,288
Écart entre enseignants0,206 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

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