A comparison of polymorphism of genetic markers and population sample sizes required for mixed-stock analysis of sockeye salmon (<i>Oncorhynchus nerka</i>) in British Columbia
Notice bibliographique
Résumé
We evaluated two questions: (i) do microsatellites require larger population baseline sample sizes than single nucleotide polymorphisms (SNPs) to allow the accuracy provided by the microsatellites in genetic stock identification (GSI) applications to be expressed, and (ii) do less genetically distinct populations require larger population baseline sample sizes than more distinct populations to improve population-specific accuracy in GSI applications? Forty-six SNP loci were surveyed in 40 populations of sockeye salmon ( Oncorhynchus nerka ) over 16 regions from southern and central British Columbia and were split into two groups: the top 23 SNPs evaluated for stock identification for British Columbia sockeye salmon and the poorest 23 nuclear SNPs. Fourteen microsatellites were surveyed and split into two groups, with loci from the top 7 loci for stock identification accuracy assembled in one group, and the remaining 7 microsatellites assigned to a second group. SNPs and microsatellites with lower stock identification power required larger population sample sizes to allow expression of stock identification potential. To achieve the same level of population-specific accuracy, SNPs required fewer individuals to be sampled in a population than did microsatellites. Less genetically distinct populations required larger population sample sizes to achieve a given level of accuracy in estimated stock compositions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».