Mixed-stock analysis in the age of genomics: Rapture genotyping enables evaluation of stock-specific exploitation in a freshwater fish population with weak genetic structure
Notice bibliographique
Résumé
Abstract Mixed-stock analyses using genetic markers have informed fisheries management in cases where strong genetic differentiation occurs among local spawning populations, yet many fisheries are supported by multiple spawning stocks that are weakly differentiated. Freshwater fisheries exemplify this problem, with many harvested populations supported by multiple stocks of young evolutionary age that are isolated across small spatial scales. As a result, attempts to conduct genetic mixed-stock analyses of inland fisheries have often been unsuccessful. Advances in genomic sequencing now offer the ability to discriminate among populations with weak population structure by providing the necessary resolution to conduct mixed-stock assignment among previously indistinguishable stocks. We demonstrate the use of genomic data to conduct a mixed-stock analysis of Lake Erie’s commercial and recreational walleye ( Sander vitreus ) fisheries and estimate the relative harvest of weakly differentiated stocks (pairwise F ST < 0.01). We used RAD-capture (Rapture) to sequence and genotype individuals at 12,081 loci that had been previously determined to be capable of discriminating between western and eastern basin stocks with 95% reassignment accuracy, which was not possible in the past with microsatellite markers. Genetic assignment of 1,075 fish harvested from recreational and commercial fisheries in the eastern basin indicated that western basin stocks constituted the majority of individuals harvested during peak walleye fishing season (July – September). Composition of harvest changed seasonally, with eastern basin fish comprising much of the early season harvest (May – June). Clear spatial structure in harvest composition existed; more easterly sites contained more individuals of east basin origin than did westerly sites. Our study provides important stock contribution estimates for Lake Erie fishery management and demonstrates the power of genomic data to facilitate mixed-stock analysis in exploited fish populations with weak population structure or limited existing genetic resources.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».