Patterns of genotype-environment association in the eastern North American yellow birch (<em>Betula alleghaniensis</em> Britt.)
Notice bibliographique
Résumé
Understanding how genomic adaptation shapes species’ responses to climate change is essential for developing climate-resilient forests, as shifting conditions increasingly drive range shifts and maladaptation. This study investigates adaptive genomic variation in Betula alleghaniensis (yellow birch), a widely distributed hardwood of eastern North America. Genome-wide SNP variation from 27 populations was analyzed using 3D-genotype-by-sequencing and two genotype–environment association methods: redundancy analysis and Gradient Forests. A total of 124 putatively adaptive loci were identified, linked to extreme minimum temperature, degree-days below 0°C, winter precipitation, and snowfall. Functional annotation revealed roles in stress response and transcriptional regulation. Patterns of adaptive variation showed a latitudinal gradient tied to winter severity and spatially heterogeneous responses to snowfall. Two distinct clusters of adaptive loci were identified along climate gradients, suggesting winter climate plays a dominant role in shaping local adaptation. Future climate projections (SSP5-8.5, 2041–2070) predict substantial shifts in adaptive alleles in the Northeastern Appalachians, Maritimes, and St. Lawrence River regions. Nevertheless, genetic offset across the range was relatively low, suggesting genomic resilience potentially supported by yellow birch’s autohexaploid genome and extensive gene flow, including adaptive introgression from hybridization with other Betula species. These findings support integrating genomic data into forest management.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».