Using genetic relatedness to understand heterogeneous distributions of urban rat‐associated pathogens
Notice bibliographique
Résumé
Abstract Urban Norway rats ( Rattus norvegicus ) carry several pathogens transmissible to people. However, pathogen prevalence can vary across fine spatial scales (i.e., by city block). Using a population genomics approach, we sought to describe rat movement patterns across an urban landscape and to evaluate whether these patterns align with pathogen distributions. We genotyped 605 rats from a single neighborhood in Vancouver, Canada, and used 1,495 genome‐wide single nucleotide polymorphisms to identify parent–offspring and sibling relationships using pedigree analysis. We resolved 1,246 pairs of relatives, of which only 1% of pairs were captured in different city blocks. Relatives were primarily caught within 33 meters of each other leading to a highly leptokurtic distribution of dispersal distances. Using binomial generalized linear mixed models, we evaluated whether family relationships influenced rat pathogen status with the bacterial pathogens Leptospira interrogans , Bartonella tribocorum , and Clostridium difficile , and found that an individual's pathogen status was not predicted any better by including disease status of related rats. The spatial clustering of related rats and their pathogens lends support to the hypothesis that spatially restricted movement promotes the heterogeneous patterns of pathogen prevalence evidenced in this population. Our findings also highlight the utility of evolutionary tools to understand movement and rat‐associated health risks in urban landscapes.
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 | 0,001 |
| 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) | 0,000 | 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 ».