Characterizing dispersal patterns in a threatened seabird with limited genetic structure
Notice bibliographique
Résumé
Genetic assignment methods provide an appealing approach for characterizing dispersal patterns on ecological time scales, but require sufficient genetic differentiation to accurately identify migrants and a large enough sample size of migrants to, for example, compare dispersal between sexes or age classes. We demonstrate that assignment methods can be rigorously used to characterize dispersal patterns in a marbled murrelet (Brachyramphus marmoratus) population from central California that numbers approximately 600 individuals and is only moderately differentiated (F(ST) approximately 0.03) from larger populations to the north. We used coalescent simulations to select a significance level that resulted in a low and approximately equal expected number of type I and II errors and then used this significance level to identify a population of origin for 589 individuals genotyped at 13 microsatellite loci. The proportion of migrants in central California was greatest during winter when 83% of individuals were classified as migrants compared to lower proportions during the breeding (6%) and post-breeding (8%) seasons. Dispersal was also biased toward young and female individuals, as is typical in birds. Migrants were rarely members of parent-offspring pairs, suggesting that they contributed few young to the central California population. A greater number of migrants than expected under equilibrium conditions, a lack of individuals with mixed ancestry, and a small number of potential source populations (two), likely allowed us to use assignment methods to rigorously characterize dispersal patterns for a population that was larger and less differentiated than typically thought required for the identification of migrants.
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 | 0,000 |
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 ».