MétaCan
Menu
Retour à la cohorte
Enregistrement W4403491115 · doi:10.22541/au.172916175.54821668/v1

A Macrogenetic Analysis of Isolation Mechanisms Reveals Habitat Fragmentation as the Primary Driver of Genetic Divergence in Mammals.

2024· preprint· en· W4403491115 sur OpenAlexfundno aff
Danny Hancock, Patrick G. Meirmans

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMathematics
ThématiqueMorphological variations and asymmetry
Établissements canadiensnon disponible
Organismes subventionnairesInstitut de Cardiologie de Montréal
Mots-clésFragmentation (computing)Habitat fragmentationDivergence (linguistics)Isolation (microbiology)Evolutionary biologyHabitatGenetic divergenceBiologyGeographyEcologyBioinformaticsGenetic diversityDemographySociologyPopulation

Résumé

récupéré en direct d'OpenAlex

jabbrv-ltwa-all.ldf jabbrv-ltwa-en.ldf Understanding the processes that drive spatial genetic differentiation is essential for understanding how populations adapt to environmental change. By evaluating the relative influence of these drivers, we can gain insights into evolutionary dynamics and the potential for species to respond to shifting landscapes. Three well-accepted drivers of spatial patterns in genetic variation are isolation-by-distance (IBD), where individuals are more genetically similar the closer they are geographically; isolation-by-environment (IBE), where gene flow is reduced due to selection against migrants in unsuitable ecological conditions; and isolation-by-resistance (IBR), where landscape features limit dispersal. We employed a macrogenetic approach, conducting a multi-species, multi-driver, meta-analysis of published genomic SNP data to identify general patterns driving spatial genetic differentiation of mammals globally. Three species distribution models were built per species to test different aspects of IBR, using combinations of landscape and bioclimatic variables. Using two model selection techniques, we find that landscape resistance models better explain genetic differentiation than bioclimatic resistance models. Among the three drivers, IBR was most frequently selected as the best model of genetic differentiation in mammals across both model selection tests, with IBD a close second and IBE the worst performing model. However, the importance of IBE increased with increasing spatial scale, with populations spread over larger distances more likely to be diverging due to IBE than IBR or IBD. Our findings suggest that anthropogenic habitat fragmentation significantly shapes genetic variation in mammals worldwide, underscoring the importance of mitigating the impacts of habitat fragmentation to prevent isolation and extinction of mammalian species.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,298
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMorphological variations and asymmetryTravaux en français237 207