Informace

Hlavní mechanismus evoluce sexuálního dimorfismu


Sexuální dimorfismus je velmi běžný a (normálně) vyžaduje evoluci pohlavně specifické genetické variace/regulace, takže genetická korelace mezi pohlavími může být <1. Existuje shoda v tom, jak se tento typ variací převážně šíří?

Vidím, že by se to mohlo vyvíjet driftem a selekcí, a očekávám, že to bude převážně prostřednictvím selekce (sexuálně antagonistická selekce pro různé optimální genotypy)- Pohlavní rozdíly ve vlastnostech obvykle spojujeme s pohlavními rozdíly ve výběru (ekologický, sexuální výběr ...).


Sexuální dimorfismus se vyvíjí, jak tušíte, přirozeným výběrem, konkrétně sexuálním výběrem (což považuji za formu přirozeného výběru). Genetický drift je podle definice náhodný. Náhodné změny frekvencí alel jsou extrémně nepravděpodobné, že by vedly ke konzistentnímu vývoji fenotypových rozdílů mezi muži a ženami.

Sexuální výběr na druhé straně může vést k rychlému vývoji sekundárních sexuálních charakteristik (sexuální dimorfismus). Pokud uvažujete o přirozeném výběru v širším smyslu, rysy organismu ovlivňují přežití, ale nezaručují reprodukci. Jedinci, kteří žijí déle, se zvýšili šance reprodukovat častěji, ale to ve skutečnosti neznamená organismus vůle reprodukovat častěji než kterýkoli jiný jedinec. Naproti tomu sexuální výběr působí přímo na úspěch páření. Pokud si žena vybere muže na základě jeho sekundárních sexuálních postav, pak se tento muž spojí. Jeho kondice (pocházející z potomstva) se zvýší ve srovnání s muži, kteří nejsou vybráni a nemají páru. To může vést k uprchlému sexuálnímu výběru mužských vlastností a dokonce ke spekulacím.

Máte pravdu, že sexuální výběr je výsledkem sexuálního konfliktu. Takový konflikt může nastat, protože ženy investují značnou energii do relativně malého počtu vajec. Proto jí prospívá, že je pro své kamarády selektivní. Pokud si vybere špatně, její kondice se může docela snížit. Na druhé straně muži mohou produkovat velké množství spermií rychle a s nízkými náklady na energii. Pokud muž plýtvá spermatem na geneticky chudou ženu, jeho kondice se ve skutečnosti nezníží. Může se rychle pářit s jinými ženami za nízkou cenu.

Reference

Jakýkoli evoluční text. Podrobně pokrývají základy sexuálního výběru.

Gavrilets, S. 2000. Rychlá evoluce reprodukčních bariér vedená sexuálním konfliktem. Nature 403: 886-889.

Hosken, D.J. a P. Stockley. 2005. Sexuální konflikt. Current Biology 15: R535-R536.

Lande, R. 1981. Modely speciace podle sexuální selekce na polygenní znaky. Proceeedings National Academy of Sciences USA 78: 3721-3725.


  • Sexuální výběr často vede k rozvoji sekundárních sexuálních charakteristik, které pomáhají maximalizovat reprodukční úspěch druhu a druhu, ale neposkytují žádné výhody pro přežití.
  • Princip handicapu uvádí, že rizika spojená s vlastnostmi, které mohou druhům ve skutečnosti škodit, přežívají pouze ti nejlepší muži, a proto jsou vhodnější jako pářící se partneři.
  • V hypotéze dobrých genů si ženy vyberou muže, kteří předvedou působivé vlastnosti, aby zajistili, že svým potomkům předají genetickou převahu.
  • Sexuální dimorfismy, zjevné morfologické rozdíly mezi pohlavími druhu, vznikají, když existuje větší rozdíl v reprodukčním úspěchu mužů nebo žen.
  • sexuální dimorfismus: fyzický rozdíl mezi mužskými a ženskými jedinci stejného druhu
  • sexuální výběr: typ přirozeného výběru, kde příslušníci pohlaví získávají odlišné formy, protože členové si vybírají kamarády s určitými rysy nebo proto, že konkurence pro kamarády s určitými vlastnostmi uspěje
  • handicapový princip: teorie, která naznačuje, že zvířata s vyšší biologickou zdatností signalizují tento stav chováním nebo morfologií, která účinně snižuje jejich šance na přežití

Většina zvířat je sexuálně dimorfních, ale různé taxony mají různé pohlavně specifické rysy. Navzdory velkým rozdílům v genetické kontrole sexuálního vývoje mezi liniemi zvířat se ukázalo, že rodina transkripčních faktorů souvisejících s doublesex/mab-3 (Dmrt) se podílí na diferenciaci podle pohlaví u všech zvířat, která byla studována. V posledních letech funkce Dmrt geny byly charakterizovány v mnoha zvířecích skupinách, což otevírá cestu k široké komparativní perspektivě. Tato recenze se zaměřuje na podobnosti a rozdíly ve funkcích Dmrt geny napříč zvířecí říší. Zdůrazňuji řadu společných témat v sexuálním vývoji různých taxonů, diskutujte o tom, jak Dmrt geny získaly během evoluce zvířat nové role a ukazují, jak přispěly ke vzniku nových pohlavně specifických rysů.

Soubory cookie používáme k poskytování a zlepšování našich služeb a přizpůsobování obsahu a reklam. Pokračováním souhlasíte s používání cookies .


Výsledek

Genetická analýza

Z 12 071 zkoumaných genů jsme detekovali významnou genetickou variaci v 10 489 genech, podobně jako výsledky získané Ayrolesem et al. (2009). Nepovažujeme za nevýznamné geny dále. Dimorfismus výrazu gen je kvantifikován jako D i ⁠, rozdíl mezi průměrem log2-transformovaná mužská a ženská genová exprese. Z významných genů bylo 1 447 předpojatých mužů (MB: D>> 1 ⁠, poměr mužské a ženské exprese větší než 2), 2 073 bylo ženských předpojatých (FB: D i < - 1 ⁠, poměr menší než 0,5) a zbývajících 6 979 genů mělo relativně nezaujatou expresi (UB: | D | i ≤ 1 ⁠, v rozmezí dvou mezi pohlavími).

Které aspekty G korelují s dimorfismem transkripce?

Podle známé hypotézy, že SAS řídí vývoj dimorfismu, předpovídají rovnice (3) a (6), že absolutní hodnota sexuálního dimorfismu | D | ⁠, bude pozitivně souviset s g ¯ a negativně související s r M F ⁠, pokud G matice je konzistentní v relevantním evolučním časovém měřítku. Kromě toho mají r ¯ w a r ¯ b protichůdné účinky na změnu dimorfismu. Jejich čistý účinek může být pozitivní nebo negativní. Pokud sexuálně konkordantní výběr (SCS) ovlivňuje dimorfismus, rovnice (4) ukazuje, že rozdíly v mužských a ženských genetických odchylkách by měly být pozitivně korelovány s | D | ⁠, zatímco rovnice (7) předpovídá, že absolutní hodnota průměrných rozdílů uvnitř- (| r ¯ δ w |) a mezipohlavních korelací (| r ¯ δ b | |) by měla být také pozitivně korelována s | D | ⁠. Kromě toho několik autorů (Mank et al. 2008 Assis et al. 2012 Griffin et al. 2013 Dean and Mank 2016) prokázali, že průměrná úroveň genové exprese, E ¯ ⁠, a stupeň tkáňové specificity, τ (Yanai et al. 2005), souvisejí s | D | ⁠.

Pearsonova korelační matice log ⁡ 10 (| D | + 0,01) a tyto prediktory, vypočítané ze vzorkové kovarianční matice průměrných linií pohlaví pro všech 10 489 genů, G*, je uvedeno v doplňkové tabulce S1, Doplňkový materiál online. Všimněte si, že statistické testy asociace jsou pro tato data neplatné, protože podkladová data exprese nejsou nezávisle odhadována pro každý gen. Tyto vztahy jsou nelineární a v některých případech nemonotonické, jak ukazuje obrázek 1 pro vztah mezi dimorfismem a podmnožinou těchto prediktorových proměnných. Predikované vztahy r M F a log ⁡ 10 (g ¯) s dimorfismem podle SAS jsou evidentní. Kromě toho má r ¯ w silný pozitivní vztah s dimorfismem, což naznačuje, že účinky mezipohlavních mezirovných korelací bažiny ovlivňují mezipohlavní mezirovinné korelace zachycené r ¯ b (viz ekv. 6). Protokol ⁡ 10 (| m - f |) i | r ¯ δ w | mají jasně pozitivní vztahy s dimorfismem, jak je předpovídáno v SCS (ekv. 4 a 7).

Průzkumná distribuce, hustota a vyhlazené trendové grafy pro log ⁡ 10 (| Δ | + 0,01) a potenciálně prediktivní aspekty G matice. Pro vizualizaci distribuce a korelací mezi proměnnými jsme vybrali funkci ggpairs z balíčku R (R Core Team 2020) GGally (Wickham 2016 Schloerke et al. 2020). Tyto funkce používají gramatiku grafické filozofie (Wilkinson 2005) a kladou důraz na vizualizaci nad kvantifikací. Plochy na diagonále jsou grafy hustoty, ve kterých je vodorovná osa na stupnici zobrazené ve spodní části grafu, zatímco svislá osa je zmenšena na maximální hustotu. Všechny ostatní grafy používají osy zobrazené vlevo jako označení svislé osy a pod obrázkem jako označení vodorovné osy. Odhady hustoty v panelech na diagonále jsou odhady hustoty jádra vypočítané ve funkci geom_density v ggplot2. Grafy nad úhlopříčkou jsou funkce ± 95% CI vypočtené v ggplot2, který volá zobecněný aditivní model v R balíčku mgcv. Grafy pod úhlopříčkou byly vizualizovány pomocí odhadů 2D jádra vypočítaných funkcí geom_point_2d v R balíčku MASS (Venables a Ripley 2002). Barevná stupnice je založena na kvantilech místní hustoty, a proto se měřítko liší panel od panelu. Všechny výpočty byly provedeny pomocí výchozích parametrů funkce.

Průzkumná distribuce, hustota a vyhlazené trendové grafy pro log ⁡ 10 (| Δ | + 0,01) a potenciálně prediktivní aspekty G matice. Pro vizualizaci distribuce a korelací mezi proměnnými jsme vybrali funkci ggpairs z balíčku R (R Core Team 2020) GGally (Wickham 2016 Schloerke et al. 2020). Tyto funkce používají gramatiku grafické filozofie (Wilkinson 2005) a kladou důraz na vizualizaci nad kvantifikací. Plochy na diagonále jsou grafy hustoty, ve kterých je vodorovná osa na stupnici zobrazené v dolní části grafu, zatímco svislá osa je zmenšena na maximální hustotu. Všechny ostatní grafy používají osy zobrazené vlevo jako označení svislé osy a pod obrázkem jako označení vodorovné osy. Odhady hustoty v panelech na diagonále jsou odhady hustoty jádra vypočítané ve funkci geom_density v ggplot2. Grafy nad úhlopříčkou jsou funkce ± 95% CI vypočtené v ggplot2, který volá zobecněný aditivní model v R balíčku mgcv. Grafy pod úhlopříčkou byly vizualizovány pomocí odhadů 2D jádra vypočítaných funkcí geom_point_2d v R balíčku MASS (Venables a Ripley 2002). Barevná stupnice je založena na kvantilech místní hustoty, a proto se měřítko liší panel od panelu. Všechny výpočty byly provedeny pomocí výchozích parametrů funkce.

Tyto nezpracované vztahy jsou zmatené, jak naznačují složité vztahy mezi prediktorovými proměnnými evidentními v doplňkové tabulce S1, Doplňkový materiál online a na obrázku 1. Abychom tyto faktory od sebe odmotali, použili jsme vícenásobnou regresi sexuálního dimorfismu, měřeno jako log ⁡ 10 (| D | + 0,01) ⁠, u ostatních proměnných, bootstrapped na úrovni inbredních řádků. Výsledky jsou uvedeny v tabulce 1. Model vysvětluje 40% variací v dimorfismu. Oba znamenají výraz E ¯ a tkáňovou specificitu τ mají konzistentní pozitivní účinky na dimorfismus, jak ukazují pozitivní znaky bootstrapových kvantilů. Log 10 (g ¯), r M F a r ¯ w vysvětlují 2,1%, 15,5%a 6,7%rozptylu v log ⁡ 10 (| D | + 0,01) ⁠, v daném pořadí. Kromě toho existuje také konzistentní pozitivní vztah log ⁡ 10 (| m - f |) s log ⁡ 10 (| D | + 0,01) ⁠, jak se očekávalo v SCS, což vysvětluje 1,1% rozptylu. Vlastnosti výrazu E ¯ a τ také mají významné pozitivní vztahy s logem ⁡ 10 (| D | + 0,01) ⁠, což vysvětluje 3,2% a 3,5% variace.

Odhady sklonů z vícenásobné regrese logu ⁡ 10 (| D | + 0,01) na charakteristikách výrazu, zaváděcí přes geny.

. . Všechny geny. Zaujatý d. . Nezaujatý d. .
Parametr a. Pred. b. Medián. Kvantily c 2,5%, 97,5%. R. 2 . Medián. Kvantily c 2,5%, 97,5%. R. 2 . Medián. Kvantily c 2,5%, 97,5%. R. 2 .
E ¯ 0.040.03, 0.053.20.030.02, 0.036.20.030.03, 0.041.8
τ 0.780.49, 0.963.50.990.82, 1.1232.6−0.01 −0.10, 0.10 0.0
log ⁡ 10 (g ¯) A+ 0.200.02, 0.342.10.05 −0.04, 0.11 0.8 0.140.10, 0.191.2
r ¯ M F A− −0.63−0.76, −0.4815.5−0.10−0.15, −0.044.5−0.28−0.38, −0.192.3
log ⁡ 10 (| m - f |) C+ 0.110.07, 0.161.1 0.00 −0.02, 0.02 0.3 0.040.02, 0.070.4
r ¯ w A? 4.812.99, 7.666.70.410.19, 0.600.3−0.95 −2.13, 0.50 4.2
r ¯ b A? 0.03 −1.52, 1.41 0.1 0.09 −0.08, 0.30 0.2 0.15 −0.49, 0.96 0.0
| r ¯ δ w | C+ 3.72 −6.10, 14.23 1.8 0.01 −0.44, 0.52 1.3 1.17 −1.58, 5.59 0.6
log ⁡ 10 (| r ¯ δ b | + 0,01) C+ −0.09 −0.23, 0.20 0.0 −0.00 −0.08, 0.13 0.4 −0.07 −0.14, 0.01 0.1
. . Všechny geny. Zaujatý d. . Nezaujatý d. .
Parametr a. Pred. b. Medián. Kvantily c 2,5%, 97,5%. R. 2 . Medián. Kvantily c 2,5%, 97,5%. R. 2 . Medián. Kvantily c 2,5%, 97,5%. R. 2 .
E ¯ 0.040.03, 0.053.20.030.02, 0.036.20.030.03, 0.041.8
τ 0.780.49, 0.963.50.990.82, 1.1232.6−0.01 −0.10, 0.10 0.0
log ⁡ 10 (g ¯) A+ 0.200.02, 0.342.10.05 −0.04, 0.11 0.8 0.140.10, 0.191.2
r ¯ M F A− −0.63−0.76, −0.4815.5−0.10−0.15, −0.044.5−0.28−0.38, −0.192.3
log ⁡ 10 (| m - f |) C+ 0.110.07, 0.161.1 0.00 −0.02, 0.02 0.3 0.040.02, 0.070.4
r ¯ w A? 4.812.99, 7.666.70.410.19, 0.600.3−0.95 −2.13, 0.50 4.2
r ¯ b A? 0.03 −1.52, 1.41 0.1 0.09 −0.08, 0.30 0.2 0.15 −0.49, 0.96 0.0
| r ¯ δ w | C+ 3.72 −6.10, 14.23 1.8 0.01 −0.44, 0.52 1.3 1.17 −1.58, 5.59 0.6
log ⁡ 10 (| r ¯ δ b | + 0,01) C+ −0.09 −0.23, 0.20 0.0 −0.00 −0.08, 0.13 0.4 −0.07 −0.14, 0.01 0.1

Poznámka — A, antagonistická predikce C, konkordantní predikce?, Jak r ¯ w, tak r ¯ b se předpovídají, že ovlivní dimorfismus za SAS, ale známka těchto účinků závisí na podrobnostech výběru.

Symboly parametrů vysvětlené v textu r ¯ w a r ¯ b zobecňují parametry nepřímého výběru definované v rovnici (6) tak, aby zahrnovaly průměr průměrných mezipohlavních korelací všech znaků s expresí fokálního genu, zatímco | r ¯ δ w | a | r ¯ δ b | zobecněte ty v rovnici (7) tak, aby zahrnovaly absolutní hodnoty průměrných rozdílů všech mezipohlavních korelací s fokálním genem nebo rozdíly v mezipohlavních korelacích zahrnujících fokální gen. | r ¯ δ b | byl log-transformován, aby se minimalizoval vliv pozorování s mimořádně vysokými hodnotami.

Predikovaný znak vztahů s logem ⁡ 10 (| D | + 0,01) při shodném nebo antagonistickém výběru.

Kvantily z 1 000 bootstrapů se převzorkují na úrovni inbrední linie. Když mají 95% kvantily bootstrapu konzistentní znaménko, považujeme efekty za statisticky významné. Významné hodnoty jsou zobrazeny tučně.

Předpojaté geny mají | D | & gt 1 ⁠ nezaujaté geny | D | ≤ 1 ⁠.

Odhady sklonů z vícenásobné regrese logu ⁡ 10 (| D | + 0,01) na charakteristikách výrazu, zaváděcí přes geny.

. . Všechny geny. Zaujatý d. . Nezaujatý d. .
Parametr a. Pred. b. Medián. Kvantily c 2,5%, 97,5%. R. 2 . Medián. Kvantily c 2,5%, 97,5%. R. 2 . Medián. Kvantily c 2,5%, 97,5%. R. 2 .
E ¯ 0.040.03, 0.053.20.030.02, 0.036.20.030.03, 0.041.8
τ 0.780.49, 0.963.50.990.82, 1.1232.6−0.01 −0.10, 0.10 0.0
log ⁡ 10 (g ¯) A+ 0.200.02, 0.342.10.05 −0.04, 0.11 0.8 0.140.10, 0.191.2
r ¯ M F A− −0.63−0.76, −0.4815.5−0.10−0.15, −0.044.5−0.28−0.38, −0.192.3
log ⁡ 10 (| m - f |) C+ 0.110.07, 0.161.1 0.00 −0.02, 0.02 0.3 0.040.02, 0.070.4
r ¯ w A? 4.812.99, 7.666.70.410.19, 0.600.3−0.95 −2.13, 0.50 4.2
r ¯ b A? 0.03 −1.52, 1.41 0.1 0.09 −0.08, 0.30 0.2 0.15 −0.49, 0.96 0.0
| r ¯ δ w | C+ 3.72 −6.10, 14.23 1.8 0.01 −0.44, 0.52 1.3 1.17 −1.58, 5.59 0.6
log ⁡ 10 (| r ¯ δ b | + 0,01) C+ −0.09 −0.23, 0.20 0.0 −0.00 −0.08, 0.13 0.4 −0.07 −0.14, 0.01 0.1
. . Všechny geny. Zaujatý d. . Nezaujatý d. .
Parametr a. Pred. b. Medián. Kvantily c 2,5%, 97,5%. R. 2 . Medián. Kvantily c 2,5%, 97,5%. R. 2 . Medián. Kvantily c 2,5%, 97,5%. R. 2 .
E ¯ 0.040.03, 0.053.20.030.02, 0.036.20.030.03, 0.041.8
τ 0.780.49, 0.963.50.990.82, 1.1232.6−0.01 −0.10, 0.10 0.0
log ⁡ 10 (g ¯) A+ 0.200.02, 0.342.10.05 −0.04, 0.11 0.8 0.140.10, 0.191.2
r ¯ M F A− −0.63−0.76, −0.4815.5−0.10−0.15, −0.044.5−0.28−0.38, −0.192.3
log ⁡ 10 (| m - f |) C+ 0.110.07, 0.161.1 0.00 −0.02, 0.02 0.3 0.040.02, 0.070.4
r ¯ w A? 4.812.99, 7.666.70.410.19, 0.600.3−0.95 −2.13, 0.50 4.2
r ¯ b A? 0.03 −1.52, 1.41 0.1 0.09 −0.08, 0.30 0.2 0.15 −0.49, 0.96 0.0
| r ¯ δ w | C+ 3.72 −6.10, 14.23 1.8 0.01 −0.44, 0.52 1.3 1.17 −1.58, 5.59 0.6
log ⁡ 10 (| r ¯ δ b | + 0,01) C+ −0.09 −0.23, 0.20 0.0 −0.00 −0.08, 0.13 0.4 −0.07 −0.14, 0.01 0.1

Poznámka — A, antagonistická predikce C, konkordantní predikce?, Jak r ¯ w, tak r ¯ b se předpovídají, že ovlivní dimorfismus za SAS, ale známka těchto účinků závisí na podrobnostech výběru.

Symboly parametrů vysvětlené v textu r ¯ w a r ¯ b zobecňují parametry nepřímého výběru definované v rovnici (6) tak, aby zahrnovaly průměr průměrných mezipohlavních korelací všech znaků s expresí fokálního genu, zatímco | r ¯ δ w | a | r ¯ δ b | zobecněte ty v rovnici (7) tak, aby zahrnovaly absolutní hodnoty průměrných rozdílů všech mezipohlavních korelací s fokálním genem nebo rozdíly v mezipohlavních korelacích zahrnujících fokální gen. | r ¯ δ b | byl log-transformován, aby se minimalizoval vliv pozorování s mimořádně vysokými hodnotami.

Predikovaný znak vztahů s logem ⁡ 10 (| D | + 0,01) při shodném nebo antagonistickém výběru.

Kvantily z 1 000 bootstrapů se převzorkují na úrovni inbrední linie. Když mají 95% kvantily bootstrapu konzistentní znaménko, považujeme efekty za statisticky významné. Významné hodnoty jsou zobrazeny tučně.

Předpojaté geny mají | D | & gt 1 ⁠ nezaujaté geny | D | ≤ 1 ⁠.

Samostatné analýzy předpojatých (| D |> 1) genů ukazují, že G maticové vlastnosti v této podmnožině mnohem méně predikují dimorfismus. E ¯ a τ zůstávají významné a role τ je v této třídě genů mnohem silnější, což vysvětluje 32,6% variace. Z G maticové vlastnosti, r M F a r ¯ w zůstávají konzistentními prediktory dimorfismu, i když vysvětlený rozptyl je v celém souboru dat mnohem menší. Analýza pouze relativně nezaujatých (| D | ≤ 1) genů ukazuje, že E ¯ je opět významným prediktorem, ale τ není. G maticové vlastnosti, u nichž se očekává, že budou kolísat s logem ⁡ 10 (| D | + 0,01) v rámci SAS i SCS, jsou v této podmnožině významné, vztahy s logem ⁡ 10 (g ¯) a r MF naznačují působení SAS, zatímco pozitivní vztah s log ⁡ 10 (| m - f |) je v souladu s SCS. Všechny tyto proměnné vysvětlovaly malou část rozptylu v dimorfismu. Celkově tyto výsledky naznačují silný podpis minulých SAS v celém rozsahu hodnot dimorfismu a skromnější účinek SCS, který je nejsilnější u znaků, které mají menší množství dimorfismu.

Innocenti a Morrow (2010) odhadovali výběr na expresi pro podmnožinu transkriptů v naší sadě dat, ale bohužel nehlásili velikosti efektu výběru. Transkripty s významným sexem pomocí interakcí fitness (jejich modely používaly transkripci jako závislou proměnnou) zažívají určité SAS, zatímco ty s významným hlavním efektem kondice zažívají některé SCS. Všimněte si, že výběr může zahrnovat jak souhlasné, tak antagonistické složky (Cheng a Houle 2020). Když byla identita genů s hlavním efektem fitness nebo interakcí sex-by-fitness zadána jako prediktory v modelu vícenásobné regrese, měly tyto termíny malé negativní účinky na | D | (medián, 2,5 a 97,5 percentilů: hlavní účinek b= -0,034, -0,056, -0,011 interakce b= -0,057, -0,073, -0,034). Ještě důležitější je, že odhady parametrů uvedené v tabulce 1 se v podstatě nezměnily pomocí indikátorů efektu kondice. Mezi výběrem měřeným v laboratoři Innocenti a Morrowem (2010) a dimorfismem neexistuje žádný jasně predikovaný vztah. Jedním z potenciálních vysvětlení negativního vztahu mezi výběrem a dimorfismem je, že studie Innocentiho a Morrowa měla větší schopnost detekovat výběr v méně dimorfních přepisech.

Kvantitativní genetická analýza genové exprese

Ayroles a kol. (2009) měřili genovou expresi v pouhých 40 inbredních liniích, což vylučuje odhad a G matice pro více než malý počet znaků. Abychom vybrali tyto vlastnosti, provedli jsme analýzy hlavních složek v genových třídách samců, samic a relativně nestranných genů, jak je popsáno v metodách. Prostřednictvím průzkumných analýz popsaných v doplňkových výsledcích, doplňkový materiál online, jsme vybrali první dva počítače genů s předpojatostí pro muže (symbolizované MB) a geny s předpojatostí pro ženy (FB) a první čtyři počítače pro relativně nezaujaté geny (UB) . Tyto analýzy neodhalily žádné důkazy pro genetickou odchylku v ženské expresi genů MB nebo pro mužskou expresi FB genů, což naznačuje, že přímá selekce ke změně exprese v pohlaví s nízkou expresí bude relativně neúčinná. Proto jsme od těchto vlastností upustili G. Transkripční moduly odvozené od Ayroles et al. (2009) nejsou obecně spojeni s PC třídy sex-bias používanou v kvantitativní genetické analýze (viz doplňkové metody, výsledky a tabulka S4, Doplňkový materiál online).

Nejvhodnější model naznačil, že genetické variace 12 znaků lze dobře vysvětlit pomocí 9-dimenzionálního modelu, což má za následek G matice uvedená v tabulce 2. Výsledný soubor dat sestával z 12 znaků, přestože u obou pohlaví byly odhadnuty pouze čtyři znaky UB (UB1 – UB4). Pouze části tabulky 2 zahrnující tyto vlastnosti (popsané v rámečcích) tedy odpovídají Landeovu (1980),B matice. Pro tyto vlastnosti UB činí r M F v průměru 0,82. To je vyšší než průměrná hodnota 0,75 zjištěná v přehledu předchozích studií (Poissant et al. 2010) a mnohem vyšší než průměr rMF odhadovaná hodnota v Griffin et al. (2013). Tři z těchto korelací jsou menší než 3 SE z dokonalé korelace 1, což naznačuje, že může existovat velmi malá variabilita pro generování protichůdných reakcí u pohlaví pro tyto znaky (Sztepanacz a Blows 2017).

Genetické korelační a kovarianční matice z 12 charakteristických analýz.

Genetické korelační a kovarianční matice z 12 charakteristických analýz.

Tabulka 2. Genetické korelační a kovarianční matice z 12 charakteristických analýz.

Poznámka: - Genetické odchylky jsou na hlavní úhlopříčce zobrazeny tučně. Genetické korelace jsou nad hlavní úhlopříčkou a genetické kovariance dole. Standardní chyby vzorkování jsou uvedeny kurzívou na řádku pod odhady. Krabice nastiňují GM, GF, a B submatice pro čtyři relativně nezaujaté rysy, kde jsme odhadovali kovariance mezi rysy u obou pohlaví. Diagonální prvky B jsou zobrazeny tučnou kurzívou.

Tabulka 2. Genetické korelační a kovarianční matice z 12 charakteristických analýz.

Poznámka: - Genetické odchylky jsou na hlavní úhlopříčce zobrazeny tučně. Genetické korelace jsou nad hlavní úhlopříčkou a genetické kovariance dole. Standardní chyby vzorkování jsou uvedeny kurzívou na řádku pod odhady. Krabice nastiňují GM, GF, a B submatice pro čtyři relativně nezaujaté rysy, kde jsme odhadovali kovariance mezi rysy u obou pohlaví. Diagonální prvky B jsou zobrazeny tučnou kurzívou.

Zkoumání tabulky 2 také odhaluje několik dalších korelací svědčících o omezeních vývoje zkreslené genové exprese. Nejvýraznější z nich je ženská exprese FB1 a UB1, kde r = - 0,96 ⁠. Navíc mnoho korelací mezi MB rysy a mužskou expresí relativně nezaujatých znaků má absolutní hodnoty v blízkosti 0,4–0,5, stejně jako korelace FB2 s ženskou expresí UB3. Tyto prvky ukazují potenciál pro komplexní omezení mezi nezaujatými a zkreslenými geny.

Předpokládané reakce na výběr

Použili jsme G předpovídat účinky současného výběru na změny dimorfismu z jeho současné úrovně. Předpovídali jsme reakce na symetrické antagonistické a shodné verze pěti různých výběrových gradientů: směrový výběr pro každý ze čtyř znaků UB jednotlivě a směrový výběr pro všechny čtyři současně s výsledky uvedenými v tabulce 3. Ukazujeme dva různé odhady množství evoluce za každého selektivního režimu. Vyvinutelnost, E, je odpověď ve směru selekčního gradientu, zatímco odezva, R., je délka celkové reakce na výběr (Hansen a Houle 2008). Jak se dalo očekávat od pozitivního rMF, reakce na výběr SCS jsou celkově větší než reakce na SAS.

Odpovědi relativně nestranných výrazových znaků na výběr stejné síly (‖ β ‖ = 1) ⁠.

. Antagonistický b. Souhlasný c. UB ‖ Δ ‖ d. Vektorové korelace. Δ z ¯ M vs. Δ z ¯ F.
Sel. a. E . R. . E . R. . A. C. poměr. A. C.
UB1 35.6 (21.0–52.9) 60.6 (35.6–89.2) 90.8 (53.1–133.7) 104.7 (62.9–155.0) 27.4 (16.3–40.5) 31.2 (16.0–49.4) 0.87 (0.66–1.26) 0,27 (−0,22 až 0,60) 0.83 (0.65–0.97)
UB2 7.9 (4.1–12.7) 24.9 (14.0–38.2) 87.7 (55.1–132.0) 94.1 (60.0–140.6) 10.4 (5.7–16.1) 16.1 (6.6–29.7) 0.63 (0.34–1.46) 0,34 (−0,09 až 0,60) 0.89 (0.73–0.98)
UB3 4.2 (1.9–7.5) 15.2 (6.8–24.9) 84.4 (50.6–125.7) 88.6 (54.0–130.1 6.3 (2.8–10.6) 7.5 (3.0–16.5) 0.81 (0.29–2.24) 0,33 (−0,30 až 0,73) 0.97 (0.88–1.00)
UB4 7.0 (3.7–11.5) 16.2 (8.9–25.8) 73.0 (45.2–108.8) 77.4 (48.5–114.3) 6.2 (3.2–10.7) 7.2 (2.3–18.7) 0.86 (0.28–2.85) 0,39 (-0,52 až 0,80) 0.97 (0.82–1.00)
UB 27.6 (17.3–40.4) 48.9 (28.4–73.3) 70.4 (44.7–103.5) 75.9 (48.7–110.6) 23.8 (14.7–34.7) 13.2 (3.8–26.2) 1.80 (0.93–5.42) 0,10 (−0,46 až 0,46) 0.92 (0.80–0.99)
. Antagonistický b. Souhlasný c. UB ‖ Δ ‖ d. Vektorové korelace. Δ z ¯ M vs. Δ z ¯ F.
Sel. a. E . R. . E . R. . A. C. poměr. A. C.
UB1 35.6 (21.0–52.9) 60.6 (35.6–89.2) 90.8 (53.1–133.7) 104.7 (62.9–155.0) 27.4 (16.3–40.5) 31.2 (16.0–49.4) 0.87 (0.66–1.26) 0,27 (−0,22 až 0,60) 0.83 (0.65–0.97)
UB2 7.9 (4.1–12.7) 24.9 (14.0–38.2) 87.7 (55.1–132.0) 94.1 (60.0–140.6) 10.4 (5.7–16.1) 16.1 (6.6–29.7) 0.63 (0.34–1.46) 0,34 (−0,09 až 0,60) 0.89 (0.73–0.98)
UB3 4.2 (1.9–7.5) 15.2 (6.8–24.9) 84.4 (50.6–125.7) 88.6 (54.0–130.1 6.3 (2.8–10.6) 7.5 (3.0–16.5) 0.81 (0.29–2.24) 0,33 (−0,30 až 0,73) 0.97 (0.88–1.00)
UB4 7.0 (3.7–11.5) 16.2 (8.9–25.8) 73.0 (45.2–108.8) 77.4 (48.5–114.3) 6.2 (3.2–10.7) 7.2 (2.3–18.7) 0.86 (0.28–2.85) 0,39 (-0,52 až 0,80) 0.97 (0.82–1.00)
UB 27.6 (17.3–40.4) 48.9 (28.4–73.3) 70.4 (44.7–103.5) 75.9 (48.7–110.6) 23.8 (14.7–34.7) 13.2 (3.8–26.2) 1.80 (0.93–5.42) 0,10 (−0,46 až 0,46) 0.92 (0.80–0.99)

Poznámka: - Hodnoty jsou mediány (2,5–97,5% kvantilů). UB, všechny čtyři vlastnosti UB jsou vybrány současně E, vyvíjitelnost, reakce ve směru výběru R.„Odpovědnost, celková odpověď na výběr A, C, celková změna dimorfismu při selekčním poměru A nebo C, ‖ Δ A ‖ / ‖ Δ C ‖ ⁠.

Režim výběru: symboly označují rys podléhající směrovému výběru.

Vybrané mužské rysy mají pozitivní gradienty, zatímco ženské vlastnosti negativní selekční gradienty.

Všechny vybrané vlastnosti mají pozitivní gradienty u obou pohlaví.

Předpovězená změna délky vektoru dimorfismu.

Odpovědi relativně nestranných výrazových znaků na výběr stejné síly (‖ β ‖ = 1) ⁠.

. Antagonistický b. Souhlasný c. UB ‖ Δ ‖ d. Vektorové korelace. Δ z ¯ M vs. Δ z ¯ F.
Sel. a. E . R. . E . R. . A. C. poměr. A. C.
UB1 35.6 (21.0–52.9) 60.6 (35.6–89.2) 90.8 (53.1–133.7) 104.7 (62.9–155.0) 27.4 (16.3–40.5) 31.2 (16.0–49.4) 0.87 (0.66–1.26) 0,27 (−0,22 až 0,60) 0.83 (0.65–0.97)
UB2 7.9 (4.1–12.7) 24.9 (14.0–38.2) 87.7 (55.1–132.0) 94.1 (60.0–140.6) 10.4 (5.7–16.1) 16.1 (6.6–29.7) 0.63 (0.34–1.46) 0,34 (−0,09 až 0,60) 0.89 (0.73–0.98)
UB3 4.2 (1.9–7.5) 15.2 (6.8–24.9) 84.4 (50.6–125.7) 88.6 (54.0–130.1 6.3 (2.8–10.6) 7.5 (3.0–16.5) 0.81 (0.29–2.24) 0,33 (−0,30 až 0,73) 0.97 (0.88–1.00)
UB4 7.0 (3.7–11.5) 16.2 (8.9–25.8) 73.0 (45.2–108.8) 77.4 (48.5–114.3) 6.2 (3.2–10.7) 7.2 (2.3–18.7) 0.86 (0.28–2.85) 0,39 (-0,52 až 0,80) 0.97 (0.82–1.00)
UB 27.6 (17.3–40.4) 48.9 (28.4–73.3) 70.4 (44.7–103.5) 75.9 (48.7–110.6) 23.8 (14.7–34.7) 13.2 (3.8–26.2) 1.80 (0.93–5.42) 0,10 (−0,46 až 0,46) 0.92 (0.80–0.99)
. Antagonistický b. Souhlasný c. UB ‖ Δ ‖ d. Vektorové korelace. Δ z ¯ M vs. Δ z ¯ F.
Sel. a. E . R. . E . R. . A. C. poměr. A. C.
UB1 35.6 (21.0–52.9) 60.6 (35.6–89.2) 90.8 (53.1–133.7) 104.7 (62.9–155.0) 27.4 (16.3–40.5) 31.2 (16.0–49.4) 0.87 (0.66–1.26) 0,27 (−0,22 až 0,60) 0.83 (0.65–0.97)
UB2 7.9 (4.1–12.7) 24.9 (14.0–38.2) 87.7 (55.1–132.0) 94.1 (60.0–140.6) 10.4 (5.7–16.1) 16.1 (6.6–29.7) 0.63 (0.34–1.46) 0,34 (−0,09 až 0,60) 0.89 (0.73–0.98)
UB3 4.2 (1.9–7.5) 15.2 (6.8–24.9) 84.4 (50.6–125.7) 88.6 (54.0–130.1 6.3 (2.8–10.6) 7.5 (3.0–16.5) 0.81 (0.29–2.24) 0,33 (−0,30 až 0,73) 0.97 (0.88–1.00)
UB4 7.0 (3.7–11.5) 16.2 (8.9–25.8) 73.0 (45.2–108.8) 77.4 (48.5–114.3) 6.2 (3.2–10.7) 7.2 (2.3–18.7) 0.86 (0.28–2.85) 0,39 (-0,52 až 0,80) 0.97 (0.82–1.00)
UB 27.6 (17.3–40.4) 48.9 (28.4–73.3) 70.4 (44.7–103.5) 75.9 (48.7–110.6) 23.8 (14.7–34.7) 13.2 (3.8–26.2) 1.80 (0.93–5.42) 0,10 (−0,46 až 0,46) 0.92 (0.80–0.99)

Poznámka: - Hodnoty jsou mediány (2,5–97,5% kvantilů). UB, všechny čtyři vlastnosti UB jsou vybrány současně E, vyvíjitelnost, reakce ve směru výběru R.„Odpovědnost, celková reakce na výběr A, C, celková změna dimorfismu při poměru výběru A nebo C, ‖ Δ A ‖ / ‖ Δ C ‖ ⁠.

Režim výběru: symboly označují rys podléhající směrovému výběru.

Vybrané mužské rysy mají pozitivní gradienty, zatímco ženské vlastnosti negativní selekční gradienty.

Všechny vybrané vlastnosti mají pozitivní gradienty u obou pohlaví.

Předpovězená změna délky vektoru dimorfismu.

Klíčová predikce se týká celkové změny sexuálního dimorfismu, změny délky vícerozměrného vektoru rozdílů mezi pohlavími, ‖ Δ ‖ ⁠. Překvapivě je ‖ Δ ‖ často větší pod SCS než pod SAS. Ačkoli limity spolehlivosti poměrů ‖ Δ ‖ v důsledku SAS a SCS se významně neliší od jednoho pro jakýkoli ze zkoumaných selekčních gradientů, tyto výsledky kontrastují s obecně předpokládaným scénářem, že sexuální dimorfismus je výsledkem přímé selekce dimorfismu. Jak je ukázáno v posledních dvou sloupcích tabulky 3, reakce každého pohlaví na SAS jsou kladně korelovány, spíše než negativně korelovány, jak selekce upřednostňuje.

Abychom získali představu o tom, kolik dimorfismu lze vytvořit shodným výběrem, můžeme porovnat přímou odpověď na shodný výběr s nepřímou reakcí v dimorfismu v tabulce 3. Tyto poměry se pohybují od 0,34 do 0,09 pro čtyři znaky UB. Celková změna dimorfismu, když je například shodně zvolen znak UB1, je například o více než 1/3 větší (⁠ ‖ Δ ‖ = 31,2 ⁠) jako celková shodná změna (E = 90,8) ve znaku UB1. Velké změny průměrné genové exprese tedy mohou vytvořit menší, ale stále podstatné celkové změny dimorfismu.

Také jsme předpovídali reakci dimorfismu relativně nezaujatých znaků na výběr na MB a FB zvláštnosti zaměřené na pohlaví s výsledky uvedenými v doplňkové tabulce S5, doplňkový materiál online. Celkové změny dimorfismu v těchto scénářích mají srovnatelnou velikost se změnami vyplývajícími z výběru vlastností UB. Nepřímé reakce dimorfismu na selekci na znaky zaměřené na pohlaví mohou mít důležité účinky na jiné rysy.

Scénáře v tabulce 3 a doplňkové tabulce S5, Doplňkový materiál online, předpokládají, že neexistuje žádný výběr vlastností, které nepodléhají směrovému výběru. Alternativně můžeme předpokládat, že znaky, které nejsou pod směrovým výběrem, podléhají tak silné stabilizační selekci, že odpověď je možná pouze ve směru selekčního gradientu (Hansen et al. 2003 Hansen a Houle 2008). V rámci tohoto druhu výběru mají SAS a SCS opět podobné účinky na celkový dimorfismus, jak je uvedeno v doplňkové tabulce S6, Doplňkový materiál online, ačkoli reakce jsou mnohem menší než u odpovídajících nepodmíněných scénářů v tabulce 3.

Výsledky v tabulce 4 ukazují, jak jsou tyto předpovědi ovlivněny symetrií G. Abychom provedli tato srovnání, nahradili jsme symetrickou verzi G M a G F (jejich průměr, G ¯ ⁠) a B (BS) do G matici a porovnal predikovanou odpověď s reakcemi z nezměněné matice. Substituce G ¯ snižuje změnu dimorfismu v reakci na SCS v průměru o 30,4% oproti našim pěti selektivním scénářům. Symetrizace B může buď zvýšit, nebo snížit dimorfní odpověď na SCS, ale průměrné změny v dimorfní reakci jsou sníženy o 28,9%, téměř stejně velké jako efekt symetrie GM a GF. Je zajímavé, že asymetrie způsobená B, G.M, a GF může mít opačné účinky. Například simultánní SCS u všech znaků UB vede k menším změnám v dimorfismu vzhledem k tomu v rámci SAS než v jakémkoli jiném režimu výběru. Výsledky v tabulce 4 ukazují, že symetrie B zvyšuje dimorfismus při SCS o 41%, zatímco je symetrizován GM a GF snižuje dimorfismus o 41%. Změna dimorfismu je malá, protože asymetrie působí proti sobě. Predikovaná odpověď v dimorfismu v UB2 je však velká, protože oba typy asymetrie ovlivňují dimorfismus ve stejném směru. Účinky těchto asymetrií jsou navíc v kombinaci vysoce nelineární, protože odstranění obou druhů asymetrií eliminuje vývoj dimorfismu při shodném výběru bez ohledu na to, jak každá asymetrie samostatně ovlivňuje dimorfismus. Jak se předpokládalo, symetrizace matic nemá žádný vliv na změnu dimorfismu za SAS. The B matice jako celek je důležitým omezením vývoje dimorfismu, protože její odstranění vždy zvyšuje změnu dimorfismu za SAS.

Poměr změn v relativně nezaujatém dimorfismu transkriptu (⁠ ‖ Δ ‖ ⁠) předpovězený z upraveného G Matice ve vztahu k předpovědím z nemodifikovaných G Matice.

. (UB ‖ Δ ‖ Modified G)/(UB ‖ Δ ‖ Unmodified G) b.
. [G ¯ B B T G ¯]. [G M B S B S G F]. [G M 0 0 G F]. [G ¯ B S B S G ¯]. [G ¯ 0 0 G ¯].
Sel. a. A. C. A. C. A. C. A. C. A. C.
UB1 1.00 0.37 1.00 0.93 1.81 0.91 1.00 0.00 1.68 0.00
UB2 1.00 0.77 1.00 0.53 2.53 0.27 1.00 0.00 3.13 0.00
UB3 1.00 0.94 1.00 1.32 4.67 1.04 1.00 0.00 4.94 0.00
UB4 1.00 0.81 1.00 0.84 5.21 0.91 1.00 0.00 5.36 0.00
UB 1.00 0.59 1.00 1.41 1.33 1.38 1.00 0.00 1.48 0.00
. (UB ‖ Δ ‖ Modified G)/(UB ‖ Δ ‖ Unmodified G) b.
. [G ¯ B B T G ¯]. [G M B S B S G F]. [G M 0 0 G F]. [G ¯ B S B S G ¯]. [G ¯ 0 0 G ¯].
Sel. a. A. C. A. C. A. C. A. C. A. C.
UB1 1.00 0.37 1.00 0.93 1.81 0.91 1.00 0.00 1.68 0.00
UB2 1.00 0.77 1.00 0.53 2.53 0.27 1.00 0.00 3.13 0.00
UB3 1.00 0.94 1.00 1.32 4.67 1.04 1.00 0.00 4.94 0.00
UB4 1.00 0.81 1.00 0.84 5.21 0.91 1.00 0.00 5.36 0.00
UB 1.00 0.59 1.00 1.41 1.33 1.38 1.00 0.00 1.48 0.00

Vysvětlení upravených najdete v textu G matice.

Poměr změn v relativně nezaujatém dimorfismu transkriptu (⁠ ‖ Δ ‖ ⁠) předpovězený z upraveného G Matice ve vztahu k předpovědím z nemodifikovaných G Matice.

. (UB ‖ Δ ‖ Modified G)/(UB ‖ Δ ‖ Unmodified G) b.
. [G ¯ B B T G ¯]. [G M B S B S G F]. [G M 0 0 G F]. [G ¯ B S B S G ¯]. [G ¯ 0 0 G ¯].
Sel. a. A. C. A. C. A. C. A. C. A. C.
UB1 1.00 0.37 1.00 0.93 1.81 0.91 1.00 0.00 1.68 0.00
UB2 1.00 0.77 1.00 0.53 2.53 0.27 1.00 0.00 3.13 0.00
UB3 1.00 0.94 1.00 1.32 4.67 1.04 1.00 0.00 4.94 0.00
UB4 1.00 0.81 1.00 0.84 5.21 0.91 1.00 0.00 5.36 0.00
UB 1.00 0.59 1.00 1.41 1.33 1.38 1.00 0.00 1.48 0.00
. (UB ‖ Δ ‖ Modified G)/(UB ‖ Δ ‖ Unmodified G) b.
. [G ¯ B B T G ¯]. [G M B S B S G F]. [G M 0 0 G F]. [G ¯ B S B S G ¯]. [G ¯ 0 0 G ¯].
Sel. a. A. C. A. C. A. C. A. C. A. C.
UB1 1.00 0.37 1.00 0.93 1.81 0.91 1.00 0.00 1.68 0.00
UB2 1.00 0.77 1.00 0.53 2.53 0.27 1.00 0.00 3.13 0.00
UB3 1.00 0.94 1.00 1.32 4.67 1.04 1.00 0.00 4.94 0.00
UB4 1.00 0.81 1.00 0.84 5.21 0.91 1.00 0.00 5.36 0.00
UB 1.00 0.59 1.00 1.41 1.33 1.38 1.00 0.00 1.48 0.00

Vysvětlení upravených najdete v textu G matice.


Hlavní mechanismus evoluce sexuálního dimorfismu - biologie

Například u některých druhů, včetně mnoha savců, je samec větší než samice. U jiných, například u některých pavouků, je samice větší než samec. Mezi další rozdíly specifické pro pohlaví patří barva (většina ptáků), zpěv u ptáků, velikost nebo přítomnost částí těla používaných v bojích o dominanci, jako jsou rohy, parohy a velikost očí klů (např. V případě včel ) držení žihadel (různé druhy včel) a různé prahy pro určité chování (agrese, péče o kojence atd.).

Sexuální dimorfismus u lidí je předmětem mnoha kontroverzí. Lidské mužské a ženské vzhledy jsou vnímány jako odlišné, ačkoli Homo sapiens ve srovnání s mnoha jinými druhy má nízkou úroveň sexuálního dimorfismu. Podobnost velikostí mužských a ženských lidských bytostí je dobrým příkladem toho, jak příroda často nedělá jasná rozdělení. Abychom získali přesný obraz rozdílů ve velikosti mužů a žen, museli bychom ukázat, kolik jedinců je v každé velikostní kategorii. Dochází ke značnému překrývání.

For example, the body masses of both male and female humans are approximately normally distributed. In the United States, the mean mass of an adult male is 78.5 kg, while the adult female mean is 62.0 kg. However the standard deviation of male body mass is 12.6 kg, so 10% of adult males are actually lighter than the female average.

Biological aspects of sexual dimorphism

The phenomenon of sexual dimorphism is a direct product of evolution by natural selection, in that the struggle for reproductive success drives many male and female organisms down different evolutionary paths. This can produce forms of dimorphism which, on the face of it, would actually seem to disadvantage organisms. For instance, the bright coloration of male game birds makes them highly visible targets for predators, while the drab females are far better equipped to camouflage themselves. Likewise, the antlers of deer and other forms of natural weaponry are very expensive to grow and carry in terms of the energy consumed by the animal in the process.

The answer to this apparent paradox is that, at a biological level, the reproductive success of an organism is often more important than its long-term survival. This is particularly apparent in the case of game birds: a male Common Pheasant in the wild often lives no more than 10 months, with females living twice as long. However, a male pheasant's ability to reproduce depends not on how long he lives but whether females will select him to be their mate. His bright coloration demonstrates to the female that he is fit, healthy and a good choice to father her chicks.

In the case of herd animals such as deer, a male deer's reproductive success is directly proportional to the number of sexually receptive females with which he can mate. The males' antlers are an example of a sexually dimorphic weapon with which the males fight each other to establish breeding rights. Again, although they are expensive in terms of personal survival, they ensure that the largest and strongest males will be the most successful in reproducing and thereby ensure that those characteristics are passed on to the next generation.

Access to the opposite sex is not the only reason why sexual dimorphism exists. In insects in particular, females are often larger than the males.

The differences may be extreme, as in the adaptations for sexual selection seen in the exotic plumes and colours of the male bird-of-paradise (family Paradisaeidae) or in the adaptations for protection exemplified by the great size and huge canine teeth of the male baboon (Papio). Many birds show at least some dimorphism in colour, the female being cryptically coloured to remain concealed on the nest while the more-colourful male uses display in courtship and territorial behaviours. The mountain spiny lizard (Sceloporus jarrovi) is sexually dimorphic in feeding habits: the equal-sized males and females seek out different sizes of prey.

Pronounced size differences may occur between the sexes. For example, male baboons are more than twice as large as females, and male northern, or Steller, sea lions (Eumetopias jubatus) weigh about 1,000 kg (2,200 pounds), roughly three times as much as females.

In a few mammal species, females tend to be larger than males. The same is true of many non-mammalian vertebrates and numerous invertebrates.


Podívejte se na video: Úvod do evoluční biologie, Biologická evoluce. (Listopad 2021).