Genetic population structure of fishers (<i>Pekania pennanti</i>) in the Great Lakes region: remnants and reintroductions
Notice bibliographique
Résumé
Reintroduction programs have been pivotal in augmenting populations of fishers (Pekania pennanti (Erxleben, 1777)) and re-establishing them to their former range in North America. The majority of reintroduction efforts in fishers have been considered demographically successful, but reintroductions can alter genetic population structure and success has rarely been evaluated in fishers from a genetic standpoint. We used microsatellite data (n = 169) to examine genetic population structure of fishers in the Great Lakes region and comment on the success of past reintroductions at two different spatial scales. We found significant genetic population structure among source and reintroduced populations within the Great Lakes region and large-scale genetic structure between fisher populations located in two geographically distant regions (Great Lakes and Northeast) in the eastern United States. Reintroductions associated with the Great Lakes produced results that were largely consistent with other studies of fisher reintroductions in the Northeast. However, our data are the first to support a measurable impact on genetic population structure in Pekania pennanti pennanti (Erxleben, 1777) from a reintroduction using geographically distant source and reintroduced populations. When feasible, we strongly recommend that reintroduction programs include an investigation of the underlying genetic structure to better define intended goals and supplement measures of demographic success.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».