Linking genotype, ecotype, and phenotype in an intensively managed large carnivore
Notice bibliographique
Résumé
Numerous factors influence fitness of free-ranging animals, yet often these are uncharacterized. We integrated GPS habitat use data and genetic profiling to determine their influence on fitness proxies (mass, length, and body condition) in a threatened population of grizzly bears (Ursus arctos) in Alberta, Canada. We detected distinct genetic and habitat use (ecotype) clusters, with individual cluster assignments, or genotype/ecotype, being correlated (Pearson r = 0.34, P < 0.01). Related individuals showed evidence of similar habitat use patterns, irrespective of geographic distance and sex. Fitness proxies were influenced by sex, age, and habitat use, and homozygosity had a positive effect on these proxies that could be indicative of outbreeding depression. We further documented over 300 translocations occurring in the province since the 1970s, often to areas with significantly different habitat. We argue this could be unintentionally causing the pattern of outbreeding, although the heterozygosity correlation may instead be explained by the energetic costs associated with larger body size. The observed patterns, together with the unprecedented human-mediated migrations, make understanding the link between genotype, ecotype, and phenotype and mechanisms behind the negative heterozygosity-fitness correlations critical for management and conservation of this 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) | 0,001 | 0,001 |
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 ».