Multifaceted framework for defining conservation units: An example from Atlantic salmon (<i>Salmo salar</i>) in Canada
Notice bibliographique
Résumé
Abstract Conservation units represent important components of intraspecific diversity that can aid in prioritizing and protecting at‐risk populations, while also safeguarding unique diversity that can contribute to species resilience. In Canada, identification and assessments of conservation units is done by the Committee on the Status of Endangered Wildlife in Canada (COSEWIC). COSEWIC can recognize conservation units below the species level (termed “designatable units”; DUs) if the unit has attributes that make it both discrete and evolutionarily significant. There are various ways in which a DU can meet criteria of discreteness and significance, and increasing access to “big data” is providing unprecedented information that can directly inform both criteria. Specifically, the incorporation of genomic data for an increasing number of non‐model species is informing more COSEWIC assessments; thus, a repeatable, robust framework is needed for integrating these data into DU characterization. Here, we develop a framework that uses a multifaceted, weight of evidence approach to incorporate multiple data types, including genetic and genomic data, to inform COSEWIC DUs. We apply this framework to delineate DUs of Atlantic salmon ( Salmo salar , L.), an economically, culturally, and ecologically significant species, that is also characterized by complex hierarchical population structure. Specifically, we focus on an in‐depth example of how our approach was applied to a previously data limited region of northern Canada that was defined by a single large DU. Application of our framework with newly available genetic and genomic data led to subdividing this DU into three new DUs. Although our approach was developed to meet criteria of COSEWIC, it is widely applicable given similarities in the definitions of a conservation unit.
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 | 0,000 | 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 ».