MétaCan
Menu
Retour à la cohorte
Enregistrement W2918963660 · doi:10.1101/568725

Evaluating genomic data for management of local adaptation in a changing climate: A lodgepole pine case study

2019· preprint· en· W2918963660 sur OpenAlexafffundabout
Colin Mahony, Ian MacLachlan, Brandon M. Lind, Jeremy B. Yoder, Tongli Wang, Sally N. Aitken

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2019
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates Bio SolutionsMinistry of Forests, Lands and Natural Resource OperationsGenome British ColumbiaAlberta InnovatesForest Genetics Council of British ColumbiaGenome Canada
Mots-clésPinus contortaLocal adaptationAdaptation (eye)BiologySpatial ecologyClimate changeSpatial variabilityEcologyGeographyStatisticsDemography

Résumé

récupéré en direct d'OpenAlex

Abstract The need for tools to cost-effectively identify adaptive variation within ecologically and economically important plant species is mounting as the detrimental effects of climate change become increasingly apparent. For crop and wild populations alike, mismatches between adaptive variation and climatic optima will reduce health, growth, survival, reproduction, and continued establishment. The ease with which land managers can quantify the relative importance of different climate factors or the spatial scale of local adaptation to climate will have direct implications for the potential of mitigating or resolving such risks. Using seed collected from 281 provenances of lodgepole pine ( Pinus contorta ) from across western Canada, we compare genomic data to phenotypic and climatic data to assess their effectiveness in characterizing the climatic drivers and spatial scale of local adaptation in this species. We find that genomic and climate data are nearly equivalent for describing local adaptation in seedling traits. We also find strong agreement between the climate variables associated with genomic variation and with 20-year heights from a long-term provenance trial, suggesting that genomic data may be a viable option for identifying climatic drivers of local adaptation where phenotypic data are unavailable. Genetic clines associated with cold injury occur at broad spatial scales, suggesting that standing variation of adaptive alleles for this and similar species does not require management at scales finer than are indicated by phenotypic data. This study demonstrates that genomic data are most useful when paired with phenotypic data, but can also fill some of the traditional roles of phenotypic data in management of species for which phenotypic trials are not feasible.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,311
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetSpecies Distribution and Climate ChangeTravaux en français237 207