SP17 SNP Data Identify Population of Origin of Pacific Salmon During Oceanic Migrations
Notice bibliographique
Résumé
Geneticists use approximately 48 single-nucleotide polymorphisms (SNPs) in each of three species of Pacific salmon to define population structure for the study of migration and harvest management. Pacific salmon are anadromous: populations reproduce in fresh water, undergo vast oceanic migrations to feed and mature, and home to their natal stream to spawn and die. Discrete populations, distinguishable by differences in allelic frequencies, inhabit coastal drainages in Asia and North America north of 40° N Latitude and support important commercial, sport fishing, and subsistence economies. Both harvest and research issues are complex. Some are governed by two international conventions that are keenly interested in population (or country) of origin of migrating salmon: North Pacific Anadromous Fish Commission (http://www.npafc.org/new/index.html, Canada, Japan, Korea, Russia, United States) and the Pacific Salmon Commission (http://www.psc.org, Canada and United States). Why use SNPs for salmon research? Because of the factors above, it is critical that DNA datasets be easily transportable among laboratories and among countries, making SNP data ideal. Also, the migratory and management studies that we describe in this presentation require acquisition of data from large numbers of individuals in a relatively short time, often from unquantitated DNA of variable quality. Although medium multiplex platforms may offer ideal throughput solutions as more salmon SNPs become available, we show that issues of DNA quality, conversion rate, and call rate limit us to singleplex reactions at this time. Even with this limitation, using standard laboratory automation we are able to process 42,000 assays per day to identify population of origin of migrating salmonids.
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 | 0,000 |
| 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 ».