Emerging prion disease drives host selection in a wildlife population
Notice bibliographique
Résumé
Infectious diseases are increasingly recognized as an important force driving population dynamics, conservation biology, and natural selection in wildlife populations. Infectious agents have been implicated in the decline of small or endangered populations and may act to constrain population size, distribution, growth rates, or migration patterns. Further, diseases may provide selective pressures that shape the genetic diversity of populations or species. Thus, understanding disease dynamics and selective pressures from pathogens is crucial to understanding population processes, managing wildlife diseases, and conserving biological diversity. There is ample evidence that variation in the prion protein gene (PRNP) impacts host susceptibility to prion diseases. Still, little is known about how genetic differences might influence natural selection within wildlife populations. Here we link genetic variation with differential susceptibility of white-tailed deer to chronic wasting disease (CWD), with implications for fitness and disease-driven genetic selection. We developed a single nucleotide polymorphism (SNP) assay to efficiently genotype deer at the locus of interest (in the 96th codon of the PRNP gene). Then, using a Bayesian modeling approach, we found that the more susceptible genotype had over four times greater risk of CWD infection; and, once infected, deer with the resistant genotype survived 49% longer (8.25 more months). We used these epidemiological parameters in a multi-stage population matrix model to evaluate relative fitness based on genotype-specific population growth rates. The differences in disease infection and mortality rates allowed genetically resistant deer to achieve higher population growth and obtain a long-term fitness advantage, which translated into a selection coefficient of over 1% favoring the CWD-resistant genotype. This selective pressure suggests that the resistant allele could become dominant in the population within an evolutionarily short time frame. Our work provides a rare example of a quantifiable disease-driven selection process in a wildlife population, demonstrating the potential for infectious diseases to alter host populations. This will have direct bearing on the epidemiology, dynamics, and future trends in CWD transmission and spread. Understanding genotype-specific epidemiology will improve predictive models and inform management strategies for CWD-affected cervid populations.
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 ».