MétaCan
Menu
Retour à la cohorte
Enregistrement W2157008677 · doi:10.1111/j.1556-4029.2009.01087.x

Application of DNA Forensic Techniques for Identifying Poached Guanacos (<i>Lama guanicoe</i>) in Chilean Patagonia*

2009· article· en· W2157008677 sur OpenAlexafffund
Juan Carlos Marín, Cristián Saucedo, Paulo Corti, Benito A. González

Notice bibliographique

RevueJournal of Forensic Sciences · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesComisión Nacional de Investigación Científica y TecnológicaNatural Sciences and Engineering Research Council of CanadaUniversidad de Chile
Mots-clésUngulateSuspectPoachingBiologyMitochondrial DNAWildlifePopulationZoologyGeographyEcologyCriminologyGeneticsGeneMedicineEnvironmental healthPsychology

Résumé

récupéré en direct d'OpenAlex

Guanaco (Lama guanicoe) is a protected and widely distributed ungulate in South America. A poacher, after killing guanacos in Valle Chacabuco, Chilean Patagonia, transported and stored the meat. Samples were retrieved by local police but the suspect argued that the meat was from a horse. Mitochondrial cytochrome b gene (774 pb), 15 loci microsatellites, and SRY gene were used to identify the species, number of animals and their population origin, and the sex of the animals, respectively. Analysis revealed that the samples came from a female (absence of SRY gene) Patagonian guanaco (assignment probability between 0.0075 and 0.0282), and clearly distinguishing it from sympatric ungulates (E-value = 0). Based on the evidence obtained in the field in addition to forensic data, the suspect was convicted of poaching and illegally carrying fire arms. This is the first report of molecular tools being used in forensic investigations of Chilean wildlife indicating its promising future application in guanaco management and conservation.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,326
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Forensic SciencesMême sujetIdentification and Quantification in FoodTravaux en français237 207