Detection of barriers to dispersal is masked by long lifespans and large population sizes
Notice bibliographique
Résumé
Abstract Population genetic analyses of species inhabiting fragmented landscapes are essential tools for conservation. Occasionally, analyses of fragmented populations find no evidence of isolation, even though a barrier to dispersal is apparent. In some cases, not enough time may have passed to observe divergence due to genetic drift, a problem particularly relevant for long‐lived species with overlapping generations. Failing to consider this quality during population structure analyses could result in incorrect conclusions about the impact of fragmentation on the species. We designed a model to explore how lifespan and population size influence perceived population structure of isolated populations over time. This iterative model tracked how simulated populations of variable lifespan and population size were affected by drift alone, using a freshwater mussel, Quadrula quadrula (mapleleaf), as a model system. In addition to exhibiting dramatic lifespan variability among species, mussels are also highly imperiled and exhibit fragmentation by dams throughout the range of many species. Results indicated that, unless population size was small (<50 individuals) or lifespan short (<22 years), observing genetic divergence among populations was unlikely. Even if wild populations are isolated, observing population structure in long‐lived mussels from modern damming practices is unlikely because it takes longer for population structure to develop in these species than most North American dams have existed. Larger population sizes and longer lifespans increase the time needed for significant divergence to occur. This study helps illuminate the factors that influence genetic responses by populations to isolation and provides a useful model for conservation‐oriented research.
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 | 0,001 | 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) | 0,001 | 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 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 ».