Landscape genetic analyses reveal cryptic population structure and putative selection gradients in a large‐scale estuarine environment
Notice bibliographique
Résumé
Disentangling the relative contributions of selective and neutral processes underlying phenotypic and genetic variation under natural, environmental conditions remains a central challenge in evolutionary ecology. However, much of the variation that could be informative in this area of research is likely to be cryptic in nature; thus, the identification of wild populations suitable for study may be problematic. We use a landscape genetics approach to identify such populations of three-spined stickleback inhabiting the Saint Lawrence River estuary. We sampled 1865 adult fish over multiple years. Individuals were genotyped for nine microsatellite loci, and georeferenced multilocus data were used to infer population groupings, as well as locations of genetic discontinuities, under a Bayesian model framework (geneland). We modelled environmental data using nonparametric multiple regression to explain genetic differentiation as a function of spatio-ecological effects. Additionally, we used genotype data to estimate dispersal and gene flow to parameterize a simple model predicting adaptive vs. plastic divergence between demes. We demonstrate a bipartite division of the genetic landscape into freshwater and maritime zones, independent of geographical distance. Moreover, we show that the greatest proportion of genetic variation (31.5%) is explained by environmental differences. However, the potential for either adaptive or plastic divergence between demes is highly dependent upon the strength of migration and selection. Consequently, we highlight the utility of landscape genetics as a tool for hypothesis generation and experimental design, to identify focal populations and putative selection gradients, in order to distinguish between phenotypic plasticity and local adaptation.
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 ».