Evaluating the utility of effective breeding size estimates for monitoring sea lamprey spawning abundance
Notice bibliographique
Résumé
Abstract Sea lamprey ( Petromyzon marinus ) is an invasive species that is a significant source of mortality for populations of valued fish species across the North American Great Lakes. Large annual control programs are needed to reduce the species' impacts; however, the number of successfully spawning adults cannot currently be accurately assessed. In this study, effective breeding size ( N b ) and the minimum number of spawning adults ( N s ) were estimated for larval cohorts from 17 tributaries across all five Great Lakes using single nucleotide polymorphisms (SNP) genotyped via RAD‐capture sequencing. Reconstructed larval pedigrees showed substantial variability in the size and number of full‐ and half‐sibling groups, N b (<1–367), and N s (5–545) among streams. Generalized linear models examining the effects of stream environmental characteristics and aspects of sampling regimes on N b and N s estimates identified sample size, the number of sampling sites, and drainage area as important factors predicting N b and N s . Correlations between N b , N s , and capture–mark–recapture estimates of adult census size ( N c ) increased when streams with small sample sizes ( n < 50) were removed. Results collectively indicate that parameters estimated from genetic data can provide valuable information on spawning adults in a river system, especially if sampling regimes are standardized and physical stream covariates are included.
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 | 0,003 | 0,007 |
| 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 | 0,000 |
| 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 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 ».