Single-nucleotide polymorphisms (SNPs) identified through genotyping-by-sequencing improve genetic stock identification of Chinook salmon (<i>Oncorhynchus tshawytscha</i>) from western Alaska
Notice bibliographique
Résumé
Genetic stock identification (GSI), an important tool for fisheries management that relies upon the ability to differentiate stocks of interest, can be difficult when populations are closely related. Here we genotyped 11 850 single-nucleotide polymorphisms (SNPs) from existing DNA sequence data available in five closely related populations of Chinook salmon (Oncorhynchus tshawytscha) from western Alaska. We then converted a subset of 96 of these SNPs displaying high differentiation into high-throughput genotyping assays. These 96 SNPs (RAD96) and 191 SNPs developed previously (CTC191) were screened in 28 populations from western Alaska. Regional assignment power was evaluated for five different SNP panels, including a panel containing the 96 SNPs with the highest F ST across the CTC191 and RAD96 panels (F ST 96). Assignment tests indicated that SNPs in the RAD96 were more useful for GSI than those in the CTC191 and that increasing the number of reporting groups in western Alaska from one to three was feasible with the F ST 96. Our approach represents an efficient way to discover SNPs for GSI and should be applicable to other populations and species.
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 ».