MétaCan
Menu
Retour à la cohorte
Enregistrement W2055420545 · doi:10.1139/f00-008

Population genetics of the zebra mussel, <i>Dreissena polymorpha</i> (Pallas): local allozyme differentiation within midwestern lakes and streams

2000· article· en· W2055420545 sur OpenAlexvenueno aff
Kristin M. Lewis, Jeffrey L. Feder, Gary A. Lamberti

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Invertebrate Ecology and Behavior
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Wisconsin-MilwaukeeU.S. Environmental Protection Agency
Mots-clésDreissenaZebra musselBiologyEcologyPopulationInvertebratePopulation geneticsGene flowBivalviaZoologyMolluscaGenetic variationMussel

Résumé

récupéré en direct d'OpenAlex

Several aquatic invertebrates with free-swimming larvae have paradoxically demonstrated fine-scale genetic heterogeneity. In this study, we tested for genetic heterogeneity in an exotic freshwater bivalve, the zebra mussel, Dreissena polymorpha (Pallas), which like many marine molluscs has a free-swimming larval stage. Zebra mussels were collected from 22 sites in the Great Lakes and from a small inland lake complex in southwestern Michigan and scored for 13 allozyme loci. Sites were sampled in a hierarchical fashion to assess the spatial scale of genetic variation. Zebra mussel populations exhibited significant genetic heterogeneity on a local scale within lakes, even though populations remained homogenous on a larger regional scale between lakes or lake complexes. The allozyme loci that exhibited heterogeneity differed from lake to lake. Populations also displayed significant heterozygote deficiencies from Hardy-Weinberg expectations for a majority of loci, implying population subdivision and (or) inbreeding on a fine scale. Our results suggest that local genetic differentiation for zebra mussels is both spatially and temporally fluid and is the product of stochastic processes, such as spawning asynchrony and uneven mixing of larval cohorts, rather than natural selection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,188
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetAquatic Invertebrate Ecology and BehaviorTravaux en français237 207