Incorporating putatively neutral and adaptive genomic data into marine conservation planning
Notice bibliographique
Résumé
The availability of genomic data for an increasing number of species makes it possible to incorporate evolutionary processes into conservation plans. Recent studies show how genetic data can inform spatial conservation prioritization (SCP), but they focus on metrics of diversity and distinctness derived primarily from neutral genetic data sets. Identifying adaptive genetic markers can provide important information regarding the capacity for populations to adapt to environmental change. Yet, the effect of including metrics based on adaptive genomic data into SCP in comparison to more widely used neutral genetic metrics has not been explored. We used existing genomic data on a commercially exploited species, the giant California sea cucumber (Parastichopus californicus), to perform SCP for the coastal region of British Columbia (BC), Canada. Using a RAD-seq data set for 717 P. californicus individuals across 24 sampling locations, we identified putatively adaptive (i.e., candidate) single nucleotide polymorphisms (SNPs) based on genotype-environment associations with seafloor temperature. We calculated various metrics for both neutral and candidate SNPs and compared SCP outcomes with independent metrics and combinations of metrics. Priority areas varied depending on whether neutral or candidate SNPs were used and on the specific metric used. For example, targeting sites with a high frequency of warm-temperature-associated alleles to support persistence under future warming prioritized areas in the southern coastal region. In contrast, targeting sites with high expected heterozygosity at candidate loci to support persistence under future environmental uncertainty prioritized areas in the north. When combining metrics, all scenarios generated intermediate solutions, protecting sites that span latitudinal and thermal gradients. Our results demonstrate that distinguishing between neutral and adaptive markers can affect conservation solutions and emphasize the importance of defining objectives when choosing among various genomic metrics for SCP.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».