Embracing the power of genomics to inform evolutionary significant units
Notice bibliographique
Résumé
Appropriate identification of evolutionary significant units (ESUs) is essential for effective conservation planning. Genomic data has emerged as a key tool to inform ESU decisions due to the increased information resolution, yet it remains unclear how genomic data are being used in practice to identify the number of ESUs. To address this, we conducted a systematic literature review and found that genomic data are increasingly being used to suggest numbers of ESUs globally across plant and animal taxa. However, our review revealed inconsistencies in how ESUs are defined, with many studies not providing a definition at all. We also found inconsistencies in the methods used to analyze genomic data, highlighting the need for greater standardization to ensure studies adequately address all components of an ESUs. Adaptive loci, a key advantage of genomic data, need to be interpreted with caution and simply identifying these loci may lead to inflated ESU estimates. Overall, we found that 68% of studies suggested an increase in the number of ESUs, and that the amount of gene flow detected did not appear to influence this conclusion. We outline how genomic data can be used to assess the two key components of ESUs and provide recommendations for future studies aiming to identify ESUs with genomic data.
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 | 0,032 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,013 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,008 |
| Communication savante | 0,008 | 0,018 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».