Impact des polluants agricoles sur la génétique des populations d’une espèce sentinelle : le ouaouaron (Rana catesbeiana)
Bibliographic record
Abstract
L’expansion agricole ne cesse d’agir sur la perte d’habitats essentiels et nécessaires au développement des espèces. Bien que plusieurs espèces réussissent à survivre dans ces habitats peu adéquats, la persistance et la santé de plusieurs populations semblent compromises par l’utilisation souvent intensive de polluants chimiques agricoles et de fertilisants. Cette étude a pour but de déterminer l’impact des contaminants et de l’écologie du paysage sur la diversité génétique des populations de ouaouarons retrouvées en milieu agricole. Notre hypothèse de départ stipule qu’une exposition chronique aux polluants agricoles induira des différences génétiques au niveau des populations exposées. Le bassin versant de la rivière Yamaska a été désigné comme site d’étude puisqu’il fait partie de la région agricole la plus importante du Québec et parce qu’on y retrouve un gradient d’utilisation des terres pour l’agriculture (faible, moyen, élevé). Le ouaouaron a été choisi à titre de modèle biologique puisque ses caractéristiques physiologiques et écologiques en font une espèce sentinelle capable de rendre compte de l’état de santé global des écosystèmes. La caractérisation génétique des populations a été effectuée à partir de marqueurs d’AFLP (Amplified Fragment Length Polymorphism). Les résultats montrent que la diversité génétique est liée à la colonisation à partir de l’embouchure de la rivière Yamaska et que quelques populations sont génétiquement différenciées. De plus, nous avons démontré une relation positive entre le nombre de locus polymorphes et l’atrazine, l’indice de contamination et le métolachlore et la concentration en azote ainsi qu’entre l’hétérozygotie attendue et la concentration en phosphate.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| 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".