Consequences of farmed–wild hybridization across divergent wild populations and multiple traits in salmon
Notice bibliographique
Résumé
Theory predicts that hybrid fitness should decrease as population divergence increases. This suggests that the effects of human-induced hybridization might be adequately predicted from the known divergence among parental populations. We tested this prediction by quantifying trait differentiation between multigenerational crosses of farmed Atlantic salmon (Salmo salar) and divergent wild populations from the Northwest Atlantic; the former escape repeatedly into the wild, while the latter are severely depleted. Under common environmental conditions and at the spatiotemporal scale considered (340 km, 12 000 years of divergence), substantial cross differentiation had a largely additive genetic basis at behavioral, life history, and morphological traits. Wild backcrossing did not completely restore hybrid trait distributions to presumably more optimal wild states. Consistent with theory, the degree to which hybrids deviated in absolute terms from their parental populations increased with increasing parental divergence (i.e., the collective environmental and life history differentiation, genetic divergence, and geographic distance between parents). Nevertheless, while these differences were predictable, their implications for risk assessment were not: wild populations that were equally divergent from farmed salmon in the total amount of divergence differed in the specific traits at which this divergence occurred. Combined with ecological data on the rate of farmed escapes and wild population trends, we thus suggest that the greatest utility of hybridization data for risk assessment may be through their incorporation into demographic modeling of the short- and long-term consequences to wild population persistence. In this regard, our work demonstrates that detailed hybridization data are essential to account for life-stage-specific changes in phenotype or fitness within divergent but interrelated groups of wild populations. The approach employed here will be relevant to risk assessments in a range of wild species where hybridization with domesticated relatives is a concern, especially where the conservation status of the wild species may preclude direct fitness comparisons in the wild.
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) | 0,000 | 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 ».