MétaCan
Menu
← Retour à la cohorte
Enregistrement W6910903469 · doi:10.5061/dryad.1vhhmgqrs

Investigating the morphological and genetic divergence of arctic char (Salvelinus alpinus) populations in lakes of arctic Alaska

2020· dataset· en· W6910903469 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2020
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésArctic charIntraspecific competitionSalvelinusArcticCharGenetic divergence

Résumé

récupéré en direct d'OpenAlex

Polymorphism facilitates coexistence of divergent morphs (e.g., phenotypes) of the same species by minimizing intraspecific competition, especially when resources are limiting. Arctic char (Salvelinus sp.) are a Holarctic fish often forming morphologically, and sometimes genetically, divergent morphs. In this study, we assessed the morphological and genetic diversity and divergence of 263 individuals from seven populations of arctic char with varying length-frequency distributions across two distinct groups of lakes in northern Alaska. Despite close geographic proximity, each lake group occurs on landscapes with different glacial ages and surface water connectivity, and thus were likely colonized by fishes at different times. Across lakes, a continuum of physical (e.g., lake area, maximum depth) and biological characteristics (e.g., primary productivity, fish density) exists, likely contributing to characteristics of present-day char populations. Although some lakes exhibit bimodal size distributions, using model-based clustering of morphometric traits corrected for allometry, we did not detect morphological differences within and across char populations. Genomic analyses using 15,934 SNPs obtained from genotyping-by-sequencing demonstrated differences among lake groups related to historical biogeography, but within lake groups and within individual lakes, genetic differentiation was not related to total body length. We used PERMANOVA to identify environmental and biological factors related to observed char size structure. Significant predictors included water transparency (i.e., a primary productivity proxy), char density (fish·ha-1), and lake group. Larger char occurred in lakes with greater primary production and lower char densities, suggesting less intraspecific competition and resource limitation. Thus, char populations in more productive and connected lakes may prove more stable to environmental changes, relative to food-limited and closed lakes, if lake productivity increases concomitantly. Our findings provide some of the first descriptions of genomic characteristics of char populations in arctic Alaska, and offer important consideration for the persistence of these populations for subsistence and conservation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,113
Tête enseignante GPT0,337
Écart entre enseignants0,224 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→