Extraction of DNA from captive‐sourced feces and molted feathers provides a novel method for conservation management of New Zealand kiwi (<i>Apteryx</i>spp.)
Notice bibliographique
Résumé
Abstract Although some taxa are increasing in number due to active management and predator control, the overall number of kiwi (Apteryxspp.) is declining. Kiwi are cryptic and rare, meaning current monitoring tools, such as call counts, radio telemetry, and surveys using detection dogs are labor‐intensive, yield small datasets, and require substantial resources or provide inaccurate estimates of population sizes. A noninvasive genetic approach could help the conservation effort. We optimized a panel of 23 genetic markers (22 autosomal microsatellite loci and an allosomal marker) to discriminate between all species of kiwi and major lineages within species, while simultaneously determining sex. Markers successfully amplified from both fecal and shed feather DNA samples collected in captivity. We found that DNA extraction was more efficient from shed feathers, but DNA quality was greater with feces, although this was sampling dependent. Our microsatellite panel was able to distinguish between contemporary kiwi populations and lineages and provided PI values in the range of 4.3 × 10−5to 2.0 × 10−19, which in some cases were sufficient for individualization and mark–recapture studies. As such, we have tested a wide‐reaching, noninvasive molecular approach that will improve conservation management by providing better parameter estimates associated with population ecology and demographics such as abundance, growth rates, and genetic diversity.
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 | 0,000 |
| 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) | 0,001 | 0,001 |
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 ».