AFLP utility for population assignment studies: analytical investigation and empirical comparison with microsatellites
Notice bibliographique
Résumé
Individual-based population assignment tests have thus far mainly relied on the use of microsatellite loci. However, the logistic difficulty of screening large numbers of loci required to reach sufficient statistical power hampers the usefulness of microsatellites in situations of weak population structuring. Amplified fragment length polymorphisms (AFLP) represents an alternative for overcoming this logistical issue as the technique allows the user to characterize a much larger number of loci with a comparable analytical effort. In this study, an assignment test based on maximum likelihood for dominant markers was used to investigate the potential usefulness of AFLP for population assignment. We also compared assignment success achieved with AFLP with that obtained using microsatellites in a case study of low population differentiation involving whitefish (Coregonus clupeaformis) sympatric ecotypes. The analytical investigation showed that the minimum number of AFLP loci required to reach an assignment success of 95% stood within values that are easily achievable in many situations. This also showed how assignment success varied according to the number of AFLP loci used, their absolute frequency and their frequency differential and sampling errors, as well as the number of putative source populations. The case study showed that given a comparable analytical effort in the laboratory, AFLP were much more efficient than the microsatellite loci in discriminating the source of an individual among putative populations. AFLP resulted in higher assignment success at all levels of stringency and the log-likelihood differences between populations obtained with AFLP for each individual were much larger than those obtained with microsatellites. These results indicate that research involving individual-based population assignment methods should benefit importantly from the use of AFLP markers, especially in systems characterized by weak population structuring.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,040 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».