Partitioning genetic and species diversity refines our understanding of species–genetic diversity relationships
Notice bibliographique
Résumé
Abstract Disentangling the origin of species–genetic diversity correlations (SGDCs) is a challenging task that provides insight into the way that neutral and adaptive processes influence diversity at multiple levels. Genetic and species diversity are comprised by components that respond differently to the same ecological processes. Thus, it can be useful to partition species and genetic diversity into their different components to infer the mechanisms behind SGDCs. In this study, we applied such an approach using a high‐elevation Andean wetland system, where previous evidence identified neutral processes as major determinants of the strong and positive covariation between plant species richness and AFLP genetic diversity of the common sedge Carex gayana. To tease apart putative neutral and non‐neutral genetic variation of C. gayana, we identified loci putatively under selection from a dataset of 1,709 SNPs produced using restriction site‐associated DNA sequencing (RAD‐seq). Significant and positive relationships between local estimates of genetic and species diversities (α‐SGDCs) were only found with the putatively neutral loci datasets and with species richness, confirming that neutral processes were primarily driving the correlations and that the involved processes differentially influenced local species diversity components (i.e., richness and evenness). In contrast, SGDCs based on genetic and community dissimilarities (β‐SGDCs) were only significant with the putative non‐neutral datasets. This suggests that selective processes influencing C. gayana genetic diversity were involved in the detected correlations. Together, our results demonstrate that analyzing distinct components of genetic and species diversity simultaneously is useful to determine the mechanisms behind species–genetic diversity relationships.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».