Comparison of genetic effective population size estimates in species across a large range of life-history strategies
Notice bibliographique
Résumé
Population genetic diversity (GD) is essential for long-term adaptive potential of wild species and is shaped by life-history traits (LHTs) and microevolutionary processes. International conservation policy has endorsed the protection of GD with the adoption of a Headline Indicator in the 2022 Kunming-Montreal Global Biodiversity Framework: “the proportion of populations with an effective population size Ne above 500”. To shed light on the drivers of population Ne and improve GD indicator estimation from genetic data, we developed a categorization framework and estimated Ne for a selected set of 25 DNA datasets with rich metadata. The species represented with these datasets harbour contrasted LHTs strategies that relate to lifespan (axis 1), the spread of reproductive stages throughout lifespan (axis 2), and, additionally, to spatial genetic structure, dispersal capacity or population history (axis 3). For each species, we compared Ne estimates obtained from two methods, based on the linkage disequilibrium in populations, or based on a Bayesian method including various genetic summary statistics as prior information. We also considered technical data features such as the type of molecular marker, and the number and quality of SNPs. Our results show a wide range of Ne estimates within some species (including populations with Ne below the 500 threshold and others above it), and also among species within the same categories of LHTs. We discuss challenges for obtaining reliable DNA-based Ne estimates for GD indicators in species with contrasted life-history trait variation, life cycle and evolutionary scenarios. By exploring these challenges, we aim to contribute to developing best practices for GD indicator estimation for nature managers.
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) | 0,003 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».