Disentangling genetic structure for genetic monitoring of complex populations
Notice bibliographique
Résumé
Abstract Genetic monitoring estimates temporal changes in population parameters from molecular marker information. Most populations are complex in structure and change through time by expanding or contracting their geographic range, becoming fragmented or coalescing, or increasing or decreasing density. Traditional approaches to genetic monitoring rely on quantifying temporal shifts of specific population metrics—heterozygosity, numbers of alleles, effective population size—or measures of geographic differentiation such as F ST . However, the accuracy and precision of the results can be heavily influenced by the type of genetic marker used and how closely they adhere to analytical assumptions. Care must be taken to ensure that inferences reflect actual population processes rather than changing molecular techniques or incorrect assumptions of an underlying model of population structure. In many species of conservation concern, true population structure is unknown, or structure might shift over time. In these cases, metrics based on inappropriate assumptions of population structure may not provide quality information regarding the monitored population. Thus, we need an inference model that decouples the complex elements that define population structure from estimation of population parameters of interest and reveals, rather than assumes, fine details of population structure. Encompassing a broad range of possible population structures would enable comparable inferences across biological systems, even in the face of range expansion or contraction, fragmentation, or changes in density. Currently, the best candidate is the spatial Λ‐Fleming‐Viot (SLFV) model, a spatially explicit individually based coalescent model that allows independent inference of two of the most important elements of population structure: local population density and local dispersal. We support increased use of the SLFV model for genetic monitoring by highlighting its benefits over traditional approaches. We also discuss necessary future directions for model development to support large genomic datasets informing real‐world management and conservation issues.
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 | 0,000 | 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 ».