MétaCan
Menu
Retour à la cohorte
Enregistrement W7164013583 · doi:10.5061/dryad.xsj3tx9tp

Data and code from: Using landscape genomics to define species distributions, delineate seed zones, and predict genomic offset to future climate for the interior spruce hybrid complex (<em>Picea glauca, Picea engelmannii</em>, and their hybrids

2025· dataset· en· W7164013583 sur OpenAlexaffabout
Zhengyang Ye, Sally Aitken, Loren Rieseberg, T Wang

Notice bibliographique

RevueDRYAD · 2025
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMaladaptationClimate changeContext (archaeology)PopulationLocal adaptationReforestationGenomicsAdaptation (eye)

Résumé

récupéré en direct d'OpenAlex

Understanding how tree species adapt to climate is crucial for forest management under climate change. This study employs landscape genomics to investigate climate adaptation in the interior spruce complex (Picea glauca, P. engelmannii, and their hybrids) across western Canada. Using gradient forest modeling with 41,253 SNPs genotyped in 1692 natural interior spruce individuals from 252 populations, we identified winter temperature and moisture-related variables as key drivers of genomic variation. Both adaptive and neutral genetic variation showed similar patterns along climatic gradients, suggesting that population structure largely follows environmental clines. We delineated 11 seed zones based on genomic variation and climate relationships, achieving 88.2% concordance with previous genetic studies in defining species boundaries. Analysis of genetic offsets under future climate scenarios revealed potential risks of maladaptation, particularly in northern and eastern British Columbia. These predictions were validated using fitness-related measurements from common-garden experiments, which showed negative correlations between genetic offsets and traits such as height and diameter at breast height (DBH). Maladaptation predictions based on genetic offsets showed some differences compared with common-garden-based assessments in several regions, offering new perspectives on population vulnerability. Our results demonstrate the effectiveness of landscape genomics as a complementary approach to traditional methods for assessing climate adaptation in tree species. Our findings provide a scientific foundation for climate-smart reforestation strategies and offer practical guidance for forest management in the context of climate change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,243
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0020,006
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,284
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDRYADTravaux en français237 207