Quantitative genetic parameters for wild stream‐living brown trout: heritability and parental effects
Notice bibliographique
Résumé
Adaptability depends on the presence of additive genetic variance for important traits. Yet few estimates of additive genetic variance and heritability are available for wild populations, particularly so for fishes. Here, we estimate heritability of length-at-age for wild-living brown trout (Salmo trutta), based on long-term mark-recapture data and pedigree reconstruction based on large-scale genotyping at 15 microsatellite loci. We also tested for the presence of maternal and paternal effects using a Bayesian version of the Animal model. Heritability varied between 0.16 and 0.31, with reasonable narrow confidence bands, and the total phenotypic variance increased with age. When introducing dam as an additional random effect (accounting for c. 7% of total phenotypic variance), the level of additive genetic variance and heritability decreased (0.12-0.21). Parental size (both for sires and for dams) positively influenced length-at-age for juvenile trout--either through direct parental effects or through genotype-environment correlations. Length-at-age is a complex trait reflecting the effects of a number of physiological, behavioural and ecological processes. Our data show that fitness-related traits such as length-at-age can retain high levels of additive genetic variance even when total phenotypic variance is high.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».