已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Bridging Performance and Adaptive Landscapes to Understand Long-Term Functional Evolution

健身景观 适应(眼睛) 桥接(联网) 相关性(法律) 生物 进化生态学 功能(生物学) 变化(天文学) 期限(时间) 自适应值 进化动力学 生态学 选择(遗传算法) 进化生物学 计算机科学 人工智能 计算机网络 物理 量子力学 人口 人口学 神经科学 社会学 政治学 天体物理学 法学 寄主(生物学)
作者
Monique Nouailhetas Simon,Daniel S Moen
出处
期刊:Physiological and Biochemical Zoology [The University of Chicago Press]
卷期号:96 (4): 304-320
标识
DOI:10.1086/725416
摘要

AbstractUnderstanding functional adaptation demands an integrative framework that captures the complex interactions between form, function, ecology, and evolutionary processes. In this review, we discuss how to integrate the following two distinct approaches to better understand functional evolution: (1) the adaptive landscape approach (ALA), aimed at finding adaptive peaks for different ecologies, and (2) the performance landscape approach (PLA), aimed at finding performance peaks for different ecologies. We focus on the Ornstein-Uhlenbeck process as the evolutionary model for the ALA and on biomechanical modeling to estimate performance for the PLA. Whereas both the ALA and the PLA have each given insight into functional adaptation, separately they cannot address how much performance contributes to fitness or whether evolutionary constraints have played a role in form-function evolution. We show that merging these approaches leads to a deeper understanding of these issues. By comparing the locations of performance and adaptive peaks, we can infer how much performance contributes to fitness in species' current environments. By testing for the relevance of history on phenotypic variation, we can infer the influence of past selection and constraints on functional adaptation. We apply this merged framework in a case study of turtle shell evolution and explain how to interpret different possible outcomes. Even though such outcomes can be quite complex, they represent the multifaceted relations among function, fitness, and constraints.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
ppp完成签到,获得积分10
3秒前
4秒前
6秒前
lxt819发布了新的文献求助10
6秒前
香蕉觅云应助DT采纳,获得10
6秒前
8秒前
有丶神完成签到,获得积分10
8秒前
9秒前
9秒前
科研通AI2S应助小琦琦采纳,获得10
11秒前
笃定完成签到,获得积分10
14秒前
14秒前
遇见馅儿饼完成签到,获得积分10
14秒前
一树春风发布了新的文献求助10
15秒前
16秒前
17秒前
彘shen完成签到 ,获得积分10
17秒前
科研通AI2S应助1111qq采纳,获得10
18秒前
852应助YYY采纳,获得10
18秒前
英姑应助一树春风采纳,获得10
20秒前
胖头鱼发布了新的文献求助10
20秒前
注册表z发布了新的文献求助10
21秒前
21秒前
22秒前
SciGPT应助lilin采纳,获得10
22秒前
Hyperme发布了新的文献求助10
23秒前
故城发布了新的文献求助10
23秒前
研友_VZG7GZ应助星星采纳,获得10
25秒前
别具一格完成签到 ,获得积分10
26秒前
诚心阁发布了新的文献求助30
26秒前
深情安青应助大胆的蛋挞采纳,获得10
27秒前
27秒前
30秒前
30秒前
30秒前
于夏旋完成签到,获得积分10
31秒前
hyx-dentist发布了新的文献求助10
33秒前
imkow发布了新的文献求助20
37秒前
serena完成签到,获得积分10
38秒前
烫嘴普通话完成签到,获得积分10
39秒前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
COSMETIC DERMATOLOGY & SKINCARE PRACTICE 388
Case Research: The Case Writing Process 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142265
求助须知:如何正确求助?哪些是违规求助? 2793200
关于积分的说明 7805849
捐赠科研通 2449486
什么是DOI,文献DOI怎么找? 1303333
科研通“疑难数据库(出版商)”最低求助积分说明 626823
版权声明 601291