Sex matters in Massive Parallel Sequencing: Evidence for biases in genetic parameter estimation and investigation of sex determination systems
Notice bibliographique
Résumé
Abstract Using massively parallel sequencing data from two species with different life history traits -- American lobster ( Homarus americanus ) and Arctic Char ( Salvelinus alpinus ) -- we highlighted how an unbalanced sex ratio in the samples combined with a few sex-linked markers may lead to false interpretations of population structure and thus to potentially erroneous management recommendations. Multivariate analyses revealed two genetic clusters that separated males and females instead of showing the expected pattern of genetic differentiation among ecologically divergent (inshore vs. offshore in lobster) or geographically distant (east vs. west in Arctic Char) sampling locations. We created several subsamples artificially varying the sex ratio in the inshore/offshore and east/west groups, and then demonstrated that significant genetic differentiation could be observed despite panmixia for lobster, and that F st values were overestimated for Arctic Char. This pattern was due to 12 and 94 sex-linked markers driving differentiation for lobster and Arctic Char, respectively. Removing sex-linked markers led to nonsignificant genetic structure (lobster) and a more accurate estimation of F st (Arctic Char). We further characterized the putative functions of sex-linked markers. Given that only 9.6% of all marine/diadromous population genomic studies to date reported sex information, we urge researchers to collect and consider individual sex information. In summary, we argue that sex information is useful to (i) control sex ratio in sampling, (ii) overcome “sex-ratio bias” that can lead to spurious genetic differentiation signals and (iii) fill knowledge gaps regarding sex determining systems.
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 | 0,001 | 0,001 |
| 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 ».