Integrative use of spatial, genetic, and demographic analyses for investigating genetic connectivity between migratory, montane, and sedentary caribou herds
Notice bibliographique
Résumé
Genetic differentiation is generally assumed to be low in highly mobile species, but this simplistic view may obscure the complex conditions and mechanisms allowing genetic exchanges between specific populations. Here, we combined data from satellite-tracked migratory caribou (Rangifer tarandus), microsatellite markers, and demographic simulations to investigate gene flow mechanisms between seven caribou herds of eastern Canada. Our study included one montane, two migratory, and four sedentary herds. Satellite-tracking data indicated possibilities of high gene flow between migratory herds: overlap of their rutting ranges averaged 10% across years and 9.4% of females switched calving sites at least once in their lifetime. Some migratory individuals moved into the range of the sedentary herds, suggesting possibilities of gene flow between these herds. Genetic differentiation between herds was weak but significant (FST=0.015): migratory and montane herds were not significantly distinct (FST all<or=0.005), whereas sedentary herds were more differentiated (FST=0.018-0.048). Geographical distances among sedentary herds limited gene flow. Historical estimates of gene flow were higher from migratory herds into sedentary herds (4Nm all>9) than vice-versa (4Nm all<5), which suggests migratory herds had a demographic impact on sedentary herds. Demographic simulations showed that an effective immigration rate of 0.0005 was sufficient to obtain the empirical FST of 0.015, while a null immigration rate increased the simulated FST to >0.6. In conclusion, the weak genetic differentiation between herds cannot be obtained without some genetic exchanges among herds, as demonstrated by genetic and spatial data.
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 | 0,001 |
| 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 ».