Genomic signals found using RNA sequencing show signatures of selection and subtle population differentiation in walleye ( <i>Sander vitreus</i> ) in a large freshwater ecosystem
Notice bibliographique
Résumé
Abstract RNA sequencing is an effective approach for studying aquatic species yielding both physiological and genomic data. However, its population genetic applications are not well‐characterized. We investigate this possible role for RNA sequencing for population genomics in Lake Winnipeg, Manitoba, Canada, walleye ( Sander vitreus ). Lake Winnipeg walleye represent the largest component of the second‐largest freshwater fishery in Canada. In the present study, large female walleye were sampled via nonlethal gill biopsy over two years at three spawning sites representing a latitudinal gradient in the lake. Genetic variation from sequenced mRNA was analyzed for neutral and adaptive markers to investigate population structure and possible adaptive variation. We find low population divergence ( F ST = 0.0095), possible northward gene flow, and outlier loci that vary latitudinally in transcripts associated with cell membrane proteins and cytoskeletal function. These results indicate that Lake Winnipeg walleye may be effectively managed as a single demographically connected metapopulation with contributing subpopulations and suggest genomic differences possibly underlying observed phenotypic differences. Despite its high cost relative to other genotyping methods, RNA sequencing data can yield physiological in addition to genetic information discussed here. We therefore argue that it is useful for addressing diverse molecular questions in the conservation of freshwater species.
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 | 0,000 |
| 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 | 0,000 |
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 ».