Exploring seascape genetics and kinship in the reef sponge <i><scp>S</scp>tylissa carteri</i> in the <scp>R</scp>ed <scp>S</scp>ea
Notice bibliographique
Résumé
A main goal of population geneticists is to study patterns of gene flow to gain a better understanding of the population structure in a given organism. To date most efforts have been focused on studying gene flow at either broad scales to identify barriers to gene flow and isolation by distance or at fine spatial scales in order to gain inferences regarding reproduction and local dispersal. Few studies have measured connectivity at multiple spatial scales and have utilized novel tools to test the influence of both environment and geography on shaping gene flow in an organism. Here a seascape genetics approach was used to gain insight regarding geographic and ecological barriers to gene flow of a common reef sponge, Stylissa carteri in the Red Sea. Furthermore, a small-scale (<1 km) analysis was also conducted to infer reproductive potential in this organism. At the broad scale, we found that sponge connectivity is not structured by geography alone, but rather, genetic isolation in the southern Red Sea correlates strongly with environmental heterogeneity. At the scale of a 50-m transect, spatial autocorrelation analyses and estimates of full-siblings revealed that there is no deviation from random mating. However, at slightly larger scales (100-200 m) encompassing multiple transects at a given site, a greater proportion of full-siblings was found within sites versus among sites in a given location suggesting that mating and/or dispersal are constrained to some extent at this spatial scale. This study adds to the growing body of literature suggesting that environmental and ecological variables play a major role in the genetic structure of marine invertebrate populations.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».