MétaCan
Menu
Retour à la cohorte
Enregistrement W6911121688 · doi:10.5061/dryad.jp43fg6

Data from: Invasive species and postglacial colonization: their effects on the genetic diversity of a Patagonian fish

2019· dataset· en· W6911121688 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2019
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésGenetic diversitySpecies richnessRange (aeronautics)PopulationMicrosatelliteQuaternaryGenetic structureGenetic variation

Résumé

récupéré en direct d'OpenAlex

The present distribution of Patagonian species is the result of a complex history involving Quaternary refugial populations, Holocene range expansions, and demographic changes occurring during the Anthropocene. Invasive salmonids were introduced in Patagonia during the last century, occupying most rivers and lakes, preying on, and competing with native species, including the fish Galaxias platei. Here we used G. platei as a case study to understand how long-term (i.e. population differentiation during the Holocene) and short-term historical processes (salmonid introductions) affect genetic diversity. Using a suite of microsatellite markers, we found that the number of alleles is negatively correlated with presence of salmonids (short-term processes), with G. platei populations from lakes with salmonids exhibiting significantly lower genetic diversity than populations from lakes without salmonids. Simulations (100 years backwards) showed that this difference in genetic diversity can be explained by a 99% reduction in population size. Allelic richness and observed heterozygosities were also negatively correlated with the presence of salmonids, but also positively correlated with long-term processes linked to Quaternary glaciations. Our results show how different genetic parameters can help identify processes taking place at different scales and their importance in terms of 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Science ouverte
Catégories consensuellesScience ouverte
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,304
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0080,025
Intégrité de la recherche0,0000,001
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 Opus0,043
Tête enseignante GPT0,242
Écart entre enseignants0,199 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Travaux en français237 207