A new, standardized international Pacific Rim baseline for genetic stock identification (GSI) of Chinook Salmon
Notice bibliographique
Résumé
Abstract Objective Genetic stock identification (GSI) can be an effective tool for fisheries management, but development of reference baselines for species with broad geographic distributions can be challenging. Mixed-stock fisheries for Chinook Salmon Oncorhynchus tshawytscha have utilized GSI analyses for decades with various genetic baselines, but these have largely become outdated with advances in technology that enable more efficient genotyping. Thus, our goals were to (1) create nested baselines of genotypic data for Chinook Salmon throughout their entire natural range using existing data from multiple sources and (2) evaluate the utility of those nested baselines to conduct accurate hierarchical GSI of mixture proportions or the stock identification of individual fish. Methods In this study, we compiled a large genetic baseline of single-nucleotide polymorphism (SNP) markers for 389 populations that encompass the entire geographic range of Chinook Salmon. We used cross validation and realistic mixture simulations to test the accuracy of the baseline in generating GSI estimates. Result We demonstrated that a multi-tiered assignment approach can provide high accuracy at both tier 1 (broadscale, with three coastwide reporting groups; 97.8% mean accuracy) and tier 2 (fine-scale regional reporting groups; up to 97.7% mean accuracy) levels. Realistic mixture simulations showed that this multi-tiered approach can provide highly effective GSI results for several common mixed-stock fisheries applications in the Pacific Ocean. Conclusion This new SNP baseline and the multi-tiered assignment approach provide the most comprehensive rangewide GSI baseline for Chinook Salmon over any previous application and enable highly accurate estimates for GSI purposes.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».