Disentangling the genetic consequences of demographic change
Notice bibliographique
Résumé
Quantifying the impact of human activity on the capacity of populations to persist is paramount to conservation biology, as numerous species and populations have already been driven to or beyond the brink of extinction. Those populations that persist are often a sobering example of the evolutionary power of human-disturbance, such as the loss of tusks in African elephants resulting from ivory harvesting (Campbell-Staton et al., 2021) and rapid life-history evolution in northern Atlantic cod in response to fisheries (Olsen et al., 2004). These evolutionary responses reflect a delicate interplay between demographic and selective processes (e.g., evolutionary rescue: Bell & Gonzalez, 2009; Gomulkiewicz & Holt, 1995), both of which can modify genetic variation for fitness. While quantifying fitness remains a difficult challenge, generalizable insights into the evolutionary consequences of population collapse can be provided in systems with independent demographic shifts in response to human activity. Unfortunately, such was the case for sea otter populations across its range in the 18th and 19th centuries, where the fur-trade had catastrophic, range-wide effects on sea otter (Enhydra lutris) populations. In a From the Cover article in this issue of Molecular Ecology, Beichman et al. (2022) combine a population genomic spatiotemporal data set and theoretical simulations not only to quantify past demographic change in response to sea otter exploitation, but also to understand the consequences of population collapse on species persistence.
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 | 0,002 | 0,006 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».