Local adaptation with gene flow in a highly dispersive shark
Notice bibliographique
Résumé
Abstract Adaptive divergence in response to environmental clines are expected to be common in species occupying heterogeneous environments. Despite numerous advances in techniques appropriate for non‐model species, gene–environment association studies in elasmobranchs are still scarce. The bronze whaler or copper shark ( Carcharhinus brachyurus ) is a large coastal shark with a wide distribution and one of the most exploited elasmobranchs in southern Africa. Here, we assessed the distribution of neutral and adaptive genomic diversity in C. brachyurus across a highly heterogeneous environment in southern Africa based on genome‐wide SNPs obtained through a restriction site‐associated DNA method (3RAD). A combination of differentiation‐based genome‐scan ( outflank ) and genotype–environment analyses (redundancy analysis, latent factor mixed models) identified a total of 234 differentiation‐based outlier and candidate SNPs associated with bioclimatic variables. Analysis of 26,299 putatively neutral SNPs revealed moderate and evenly distributed levels of genomic diversity across sites from the east coast of South Africa to Angola. Multivariate and clustering analyses demonstrated a high degree of gene flow with no significant population structuring among or within ocean basins. In contrast, the putatively adaptive SNPs demonstrated the presence of two clusters and deep divergence between Angola and all other individuals from Namibia and South Africa. These results provide evidence for adaptive divergence in response to a heterogeneous seascape in a large, mobile shark despite high levels of gene flow. These results are expected to inform management strategies and policy at the national and regional level for conservation of C. brachyurus populations.
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) | 0,001 | 0,004 |
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 ».