Déterminants de la structure génétique de population du tamia rayé (Tamias striatus) en milieu naturel
Bibliographic record
Abstract
L'étude des patrons de dispersion et de flux génique est d'une importance indéniable puisqu'elle peut fortement influencer le potentiel évolutif et adaptatif des populations en milieux naturels. Il est donc important d'identifier et de comprendre l'impact des éléments de l'environnement qui facilitent ou inhibent le mouvement des individus. Une approche efficace à ce niveau est celle de la génétique du paysage puisqu'elle permet d'utiliser une combinaison de données spatiales et génétiques afin d'identifier les caractéristiques du paysage qui ont contribué à la formation du patron de structure génétique observé. L'objectif de ce projet était de caractériser les déterminants de la structure génétique observée à différentes échelles chez le tamia rayé (Tamias striatus) sur une aire d'étude hétérogène dans le Sud du Québec et de l'Ontario, Canada. Au niveau des déterminants géographiques de la structure génétique, j'ai détecté des barrières au flux génique reliées à des éléments du paysage, notamment le fleuve St. Laurent à grande échelle et la distance géographique à petite échelle. J'ai aussi détecté des patrons de structuration génétique différents pour les mâles et les femelles suggérant une dispersion biaisée par le sexe en faveur des mâles à toutes les échelles considérées. En conclusion, mes résultats illustrent l'importance de considérer simultanément les éléments du paysage et la distance géographique comme déterminants du patron de structure génétique, de prendre en considération l'échelle à laquelle agit chacun des déterminants et d'utiliser les mesures appropriées au plan d'échantillonnage pour la détection de dispersion biaisée par le sexe.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".