Mixed-stock analysis reveals long-distance movements and few populations with large harvest contributions in lake-migratory brook trout
Notice bibliographique
Résumé
Effective fishery management relies on knowing the relative contributions of distinct populations to mixed-stock harvests. Mixed-stock analyses increasingly adopt single-nucleotide polymorphism (SNP) panels but could make better use of precise spatial information to improve understanding of population distributions, movements, and structure. Together with local partners, we collected and georeferenced 1051 samples of lake-migratory brook trout between 2020-2022 from three large lakes in Quebec (Mistassini, Mistasiniishish, Waconichi). We then used a GT-seq (Genotyping-in-Thousands by sequencing) SNP panel to infer population genetic structure and determine spatial harvest contributions of genetically distinct populations. Our results revealed population structure in two of three study lakes, with few populations (n = 1-2) contributing the majority (> 80%) of mixed-stock harvest in each lake. We also detected extensive movements of brook trout within and between lakes, spatial segregation of populations in one lake, and an unknown (unsampled) population in another lake. Our results illustrate the precision afforded by combining GT-seq and georeferencing of samples to generate insights into the ecology and genetics of migratory fishes, thereby facilitating local decision-making for sustainable fisheries.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».