Data from: Environmental extremes drive population structure at the northern range limit of Atlantic salmon in North America
Notice bibliographique
Résumé
Conservation of exploited species requires an understanding of both genetic diversity and the dominant structuring forces, particularly near range limits, where climatic variation can drive rapid expansions or contractions of geographic range. Here, we examine population structure and landscape associations in Atlantic salmon (Salmo salar) across a heterogeneous landscape near the northern range limit in Labrador, Canada. Analysis of two amplicon-based data sets containing 101 microsatellites and 376 single nucleotide polymorphisms (SNPs) from 35 locations revealed clear differentiation between populations spawning in rivers flowing into a large marine embayment (Lake Melville) compared to coastal populations. The mechanisms influencing the differentiation of embayment populations were investigated using both multivariate and machine-learning landscape genetic approaches. We identified temperature as the strongest correlate with genetic structure, particularly warm temperature extremes and wider annual temperature ranges. The genomic basis of this divergence was further explored using a subset of locations (n=17) and a 220K SNP array. SNPs associated with spatial structuring and temperature mapped to a diverse set of genes and molecular pathways, including regulation of gene expression, immune response, and cell development and differentiation. The results spanning molecular marker types and both novel and established methods clearly show climate-associated, fine-scale population structure across an environmental gradient in Atlantic salmon near its range limit in North America, highlighting valuable approaches for predicting population responses to climate change and managing species sustainability.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».