Genotyping-in-Thousands by sequencing panel development and application to inform kokanee salmon (Oncorhynchus nerka) fisheries management at multiple scales
Notice bibliographique
Résumé
The ability to differentiate life history variants is vital for estimating fisheries management parameters, yet traditional survey methods can be inaccurate in mixed-stock fisheries. Such is the case for kokanee, the freshwater resident form of sockeye salmon (Oncorhynchus nerka), which exhibits various reproductive ecotypes (stream-, shore-, deep-spawning) that co-occur with each other and/or anadromous O. nerka in some systems across their pan-Pacific distribution. Here, we developed a multi-purpose Genotyping-in-Thousands by sequencing (GT-seq) panel of 288 targeted single nucleotide polymorphisms (SNPs) to enable accurate kokanee stock identification by geographic basin, migratory form, and reproductive ecotype across British Columbia, Canada. The GT-seq panel exhibited high self-assignment accuracy (93.3%) and perfect assignment of individuals not included in the baseline to their geographic basin, migratory form, and reproductive ecotype of origin. The GT-seq panel was subsequently applied to Wood Lake, a valuable mixed-stock fishery, revealing high concordance (>98%) with previous assignments to ecotype using microsatellites and TaqMan® SNP genotyping assays, while improving resolution, extending a long-term time-series, and demonstrating the scalability of this approach for this system and others.
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 | 0,003 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».