Pedigree analysis and estimates of effective breeding size characterize sea lamprey reproductive biology
Notice bibliographique
Résumé
Abstract The sea lamprey ( Petromyzon marinus ) is an invasive species in the Great Lakes and the focus of a large control and assessment program. Current assessment methods provide information on the census size of spawning adult sea lamprey in a small number of streams, but information characterizing reproductive success of spawning adults is rarely available. We used RAD‐capture sequencing to genotype single nucleotide polymorphism (SNP) loci for ~1600 sea lamprey larvae collected from three streams in northern Michigan (Black Mallard, Pigeon, and Ocqueoc Rivers). Larval genotypes were used to reconstruct family pedigrees, which were combined with Gaussian mixture analyses to identify larval age classes for estimation of spawning population size. Two complementary estimates of effective breeding size ( N b ), as well as the extrapolated minimum number of spawners ( N s ), were also generated for each cohort. Reconstructed pedigrees highlighted inaccuracies of cohort assignments from traditionally used mixture analyses. However, combining genotype‐based pedigree information with length‐at‐age assignment of cohort membership greatly improved cohort identification accuracy. Population estimates across all three streams sampled in this study indicate a small number of successfully spawning adults when barriers were in operation, implying that barriers limited adult spawning numbers but were not completely effective at blocking access to spawning habitats. Thus, the large numbers of larvae present in sampled systems were a poor indicator of spawning adult abundance. Overall, pedigree‐based N b and N s estimates provide a promising and rapid assessment tool for sea lamprey and other 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 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».