Gene flow in an arctic wetland: modelling landscape effects on fine-scale genetic variation in an isolated muskrat «Ondatra zibethicus» population
Notice bibliographique
Résumé
This thesis evaluates the genetic diversity, the population genetic structure as well as the functional connectivity of an isolated muskrat (Ondatra zibethicus) population at the northernmost limit of its geographic distribution in North America. In the first chapter, nine microsatellite markers were used to assess the genetic characteristics of muskrats sampled from 21 different lakes spread across the Old Crow Flats (OCF), an arctic wetland complex in Northern Yukon. Genetic diversity was relatively low, while patterns of genetic variation were structured into two population clusters within the OCF, suggesting reduced levels of gene flow in arctic habitats. In chapter 2, the relationship between genetic differentiation and the connectivity of wetland features in the OCF was investigated using circuit theory to model isolation by resistance (IBR) based on landscape cover. Resistance surfaces were parameterized using a machine learning algorithm to optimize the fit between an IBR model and the observed genetic distance between lakes. The optimized IBR model was subsequently compared to the alternative models of isolation by distance (IBD) and isolation by barrier (IBB) using two complementary approaches: (1) causal modelling, and (2) partitioning of genetic variation explained by spatial eigenfunctions (Moran's eigenvector maps). The optimized IBR model revealed that hydrological features facilitated gene flow in the landscape. Gene flow through most terrestrial habitats was relatively unimpeded, though woodlands were severely obstructive. Causal modelling showed greater support for the optimized IBR model then for IBD or IBB models. Partitioning of variation suggested that both IBR and IBB models contributed unique explanatory spatial structures, while the IBD model was redundant. This thesis highlights the first muskrat population genetic structures detected at fine spatial scales and identifies the landscape variables that drive this spatial pattern using new modelling approaches.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».