Predicting Adaptive Genetic Variation of Loblolly Pine (Pinus taeda L.) Populations Under Projected Future Climates Based on Multivariate Models
Notice bibliographique
Résumé
Greenhouse gas emission and global warming are likely to cause rapid climate change within the natural range of loblolly pine over the next few decades, thus bringing uncertainty to their adaptation to the environment. Here, we studied adaptive genetic variation of loblolly pine and correlated genetic variation with bioclimatic variables using multivariate modeling methods-Redundancy Analysis, Generalized Dissimilarity Modeling, and Gradient Forests. Studied trees (N = 299) were originally sampled from their native range across eight states on the east side of the Mississippi River. Genetic variation was calculated using a total of 44,317 single-nucleotide polymorphisms acquired by exome target sequencing. The fitted models were used to predict the adaptive genetic variation on a large spatial and temporal scale. We observed east-to-west spatial genetic variation across the range, which presented evidence of isolation by distance. Different key factors drive adaptation of loblolly pine from different geographical regions. Trees residing near the northeastern edge of the range, spanning across Delaware and Maryland and mountainous areas of Virginia, North Carolina, South Carolina, and northern Georgia, were identified to be most likely impacted by climate change based on the large difference in genetic composition under current and future climate conditions. This study provides new perspectives on adaptive genetic variation of loblolly pine in response to different climate scenarios, and the results can be used to target particular populations while developing adaptive forest management guidelines.
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) | 0,001 | 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 ».