Statistical aspects of using genetic markers for individual identification in capture-recapture studies
Notice bibliographique
Résumé
The use of an animal's genotype as a mark for capture-recapture studies has become increasingly common in wildlife research. Frequently, animals are sampled in a non-invasive way such as collecting hair from rubs, shed feathers or feces. DNA is extracted from the samples and genotyped at a set of microsatellite loci to identify individuals. In this case, the animal's mark is self assigned. This leads to problems with misidentification of individuals. In addition, samples are often passively collected which causes a break down in the standard capture-recapture assumption of instantaneous sampling. This dissertation focuses on developing new ways of handling the unique circumstances associated with DNA-based capture-recapture studies. I develop a method to account for genotyping error in closed population estimates of abundance. This method is used to extent the standard likelihood-based closed population capture-recapture models, the finite mixture models and the conditional likelihood models. I extend the robust design model to properly estimate survival and abundance in the face of genotyping error and allow multiple sources of data to be brought together. A new method is developed that uses additional information in dung surveys generated from multiple detections of an individual within a sampling occasion to better estimate abundance. I present suggestions for applying DNA-based capture-recapture sampling for Canada lynx (Lynx canadensis) in Colorado. Sampling feces in summer appears to be the most effective way to sample the lynx population. Feces are easier to collect in the field than hair and are more amenable to DNA extraction. Finally, I present a review of the literature applicable to DNA-based capture-recapture studies. The focus of the review is to provide a starting point for researchers looking to broaden the scope of their DNA-based capture-recapture study beyond simple estimates of abundance.
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 | 0,203 | 0,458 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».