A genotyping‐in‐thousands by sequencing panel to inform invasive deer management using noninvasive fecal and hair samples
Notice bibliographique
Résumé
Abstract Studies in ecology, evolution, and conservation often rely on noninvasive samples, making it challenging to generate large amounts of high‐quality genetic data for many elusive and at‐risk species. We developed and optimized a Genotyping‐in‐Thousands by sequencing (GT‐seq) panel using noninvasive samples to inform the management of invasive Sitka black‐tailed deer ( Odocoileus hemionus sitkensis ) in Haida Gwaii (Canada). We validated our panel using paired high‐quality tissue and noninvasive fecal and hair samples to simultaneously distinguish individuals, identify sex, and reconstruct kinship among deer sampled across the archipelago, then provided a proof‐of‐concept application using field‐collected feces on SGang Gwaay, an island of high ecological and cultural value. Genotyping success across 244 loci was high (90.3%) and comparable to that of high‐quality tissue samples genotyped using restriction‐site associated DNA sequencing (92.4%), while genotyping discordance between paired high‐quality tissue and noninvasive samples was low (0.50%). The panel will be used to inform future invasive species operations in Haida Gwaii by providing individual and population information to inform management. More broadly, our GT‐seq workflow that includes quality control analyses for targeted SNP selection and a modified protocol may be of wider utility for other studies and systems where noninvasive genetic sampling is employed.
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 | 0,000 |
| 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) | 0,000 | 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 ».