Genomic vulnerability of a freshwater salmonid under climate change
Notice bibliographique
Résumé
Abstract Understanding the adaptive potential of populations and species is pivotal for minimizing the loss of biodiversity in this era of rapid climate change. Adaptive potential has been estimated in various ways, including based on levels of standing genetic variation, presence of potentially beneficial alleles, and/or the severity of environmental change. Kokanee salmon, the non‐migratory ecotype of sockeye salmon ( Oncorhynchus nerka ), is culturally and economically important and has already been impacted by the effects of climate change. To assess its climate vulnerability moving forward, we integrated analyses of standing genetic variation, genotype‐environment associations, and climate modeling based on sequence and structural genomic variation from 224 whole genomes sampled from 22 lakes in British Columbia and Yukon (Canada). We found that variables for extreme temperatures, particularly warmer temperatures, had the most pervasive signature of selection in the genome and were the strongest predictors of levels of standing variation and of putatively adaptive genomic variation, both sequence and structural. Genomic offset estimates, a measure of climate vulnerability, were significantly correlated with higher increases in extreme warm temperatures, further highlighting the risk of summer heat waves that are predicted to increase in frequency in the future. Levels of standing genetic variation, an important metric for population viability and resilience, were not correlated with genomic offset. Nonetheless, our combined approach highlights the importance of integrating different sources of information and genomic data to formulate more comprehensive and accurate predictions on the vulnerability of populations and species to future climate change.
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) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».