Summary The ‘functional traits’ of species have been heralded as promising predictors for species’ demographic rates and life history. Multiple studies have linked plant species’ demographic rates to commonly measured traits. However, predictive power is usually low – raising questions about the practical usefulness of traits – and analyses have been limited to size‐independent univariate approaches restricted to a particular life stage. Here we directly evaluated the predictive power of multiple traits simultaneously across the entire life cycle of 136 tropical tree species from central P anama. Using a model‐averaging approach, we related wood density, seed mass, leaf mass per area and adult stature (maximum diameter) to onset of reproduction, seed production, seedling establishment, and growth and survival at seedling, sapling and adult stages. Three of the four traits analysed here (wood density, seed mass and adult stature) typically explained 20–60% of interspecific variation at a given vital rate and life stage. There were strong shifts in the importance of different traits throughout the life cycle of trees, with seed mass and adult stature being most important early in life, and wood density becoming most important after establishment. Every trait had opposing effects on different vital rates or at different life stages; for example, seed mass was associated with higher seedling establishment and lower initial survival, wood density with higher survival and lower growth, and adult stature with decreased juvenile but increased adult growth and survival. Forest dynamics are driven by the combined effects of all demographic processes across the full life cycle. Application of a multitrait and full‐life cycle approach revealed the full role of key traits, and illuminated how trait effects on demography change through the life cycle. The effects of traits on one life stage or vital rate were sometimes offset by opposing effects at another stage, revealing the danger of drawing broad conclusions about functional trait–demography relationships from analysis of a single life stage or vital rate. Robust ecological and evolutionary conclusions about the roles of functional traits rely on an understanding of the relationships of traits to vital rates across all life stages.

Abstract The microbiome shapes many traits in hosts, but we still do not understand how it influences host evolution. To impact host evolution, the microbiome must be heritable and have phenotypic effects on the host. However, the complex inheritance and context-dependence of the microbiome challenges traditional models of organismal evolution. Here, we take a multifaceted approach to identify conditions in which the microbiome influences host evolutionary trajectories. We explore quantitative genetic models to highlight how microbial inheritance and phenotypic effects can modulate host evolutionary responses to selection. We synthesize the literature across diverse taxa to find common scenarios of microbiome driven host evolution. First, hosts may leverage locally adapted microbes, increasing survivorship in stressful environments. Second, microbial variation may increase host phenotypic variation, enabling exploration of novel fitness landscapes. We further illustrate these effects by performing a meta-analysis of artificial selection in Drosophila, finding that bacterial diversity also frequently responds to host selection. We conclude by outlining key avenues of research and experimental procedures to improve our understanding of the complex interplay between hosts and microbiomes. By synthesizing perspectives through multiple conceptual and analytical approaches, we show how microbiomes can influence the evolutionary trajectories of hosts.

Abstract The microbiome can contribute to variation in fitness-related traits of their hosts, and thus to host evolution. Hosts are therefore expected to be under selection to control their microbiome, for instance through controlling microbe transmission from parents to offspring. Current models have mostly focused on microbes that either increase or decrease fitness. In that case, host-level selection is relatively straightforward, favouring either complete or no inheritance. In natural systems, however, vertical transmission fidelity varies widely, and microbiome composition is often shaped by a combination of vertical and horizontal transmission modes. We propose that such mixed transmission could optimize host fitness under fluctuating environments. Using a general model, we illustrate that decreasing vertical transmission fidelity increases the amount of microbiome variation, and thus potentially phenotypic variation, across hosts. Whether or not this is advantageous depends on environmental conditions, how much the microbiome changes during host development, and the contribution of other factors to trait variation. We discuss how environmentally-dependent microbial effects can favor intermediate transmission, review examples from natural systems, and suggest research avenues to empirically test our predictions. Overall, we show that imperfect transmission may be adaptive by allowing individuals to ensure phenotypic variability in their offspring in contexts where varying environments mean that this strategy increases long-term fitness.

Abstract Host genetics can shape microbiome composition, but to what extent it does, remains unclear. Like any other complex trait, this question can be addressed by estimating the heritability ( h 2 ) of the microbiome – the proportion of variance in the abundance of each taxon that is attributable to host genetic variation. However, unlike most complex traits, microbiome heritability is typically based on relative abundance data, where taxon-specific abundances are expressed as the proportion of the total microbial abundance in a sample. We derived an analytical approximation for the heritability that one obtains when using such relative abundances and we uncovered three problems: 1) The interdependency between taxa leads to imprecise heritability estimates. 2) Large sample size leads to high false discovery rates, overestimating the number of heritable taxa. 3) Microbial co-abundances lead to biased heritability estimates. We conclude that caution must be taken when interpreting heritability estimates and comparing values across studies.