The Application of Microsatellites for Stock Identification of Yukon River Chinook Salmon
Notice bibliographique
Résumé
Abstract In a cooperative project among three agencies, variation at 30 microsatellite loci was surveyed for 19 populations of Chinook salmon Oncorhynchus tshawytscha from the Yukon River. The observed number of alleles per locus ranged from 2 to 63. Loci with a greater number of alleles displayed lower genetic differentiation index (FST) values, but loci with lower FST values also tended to provide more-accurate estimates of stock composition. The observed number of alleles was related to the power of the locus for providing accurate estimates of stock composition of simulated single-population samples. Mean estimated stock compositions for these mixtures ranged from 38.9% for simulations of single loci with fewer than 10 alleles to 85.5% for simulated loci with more than 60 alleles. Reliable population-specific estimation of stock composition was obtained with a minimum of five loci. Comparison of microsatellite stock identification power with an existing nine-locus single-nucleotide polymorphism (SNP) baseline indicated that nine SNPs or a single microsatellite locus can provide accurate and reasonably precise estimates of stock composition to country of origin. In comparisons of population-specific estimation, the nine-SNP baseline was approximately equivalent to a single microsatellite locus with 17–22 alleles. Mixed-stock analysis applying the microsatellite baseline outlined in this study can accurately and precisely allocate Chinook salmon to units useful for management, such as region or major drainage, providing managers with a powerful tool for assessing and regulating fisheries.
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 ».