Determinants of genetic diversity and species richness of North American amphibians
Notice bibliographique
Résumé
Abstract Aim Ecological limits on population sizes and the number of species a region can sustain are thought to simultaneously produce spatial patterns in population genetic diversity and species richness due to the effects of random drift operating in parallel across population and community levels. Here, we test the extent to which resource‐based environmental limits jointly determine these patterns of biodiversity in amphibians. Location North America. Taxon Amphibians. Methods We repurposed open, raw microsatellite data from 19 species sampled at 554 sites in North America and mapped nuclear genetic diversity at the continental scale. We then tested whether ecological limits defined by resource availability and environmental heterogeneity could simultaneously shape biogeographic patterns in genetic diversity and species richness with structural equation modelling. Results Spatial patterns of population genetic diversity run opposite patterns of species richness and genetic differentiation. However, while measures of resource availability and niche heterogeneity predict 89% of the variation in species richness, these landscape metrics were poor predictors of genetic diversity. Main conclusions Although heterogeneity appears to be an important driver of genetic and species biodiversity patterns in amphibians, variation in genetic diversity both within and across species makes it difficult to infer general processes producing spatial patterns of amphibian genetic diversity. This result differs from those found in endotherms and may be due to the considerable life history variation found across amphibians.
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 | 0,000 | 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) | 0,000 | 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 ».