Valutare il cambiamento genoma nella adattamento ai cambiamenti climatici
Capire il offset genomico aiuta a identificare le specie a rischio a causa dei cambiamenti climatici.
― 8 leggere min
Indice
- Il concetto di Genomic Offset (GO)
- Importanza delle previsioni GO
- Comprendere la Maladattamento
- Sfide nella previsione
- Caso di studio: Pino marittimo
- Osservazioni dallo studio
- Importanza della diversità genetica
- Valutare le previsioni GO
- Implicazioni per la conservazione e la gestione
- Direzioni future
- Conclusione
- Fonte originale
- Link di riferimento
Il cambiamento climatico causato dalle attività umane sta avendo un impatto sulla natura, soprattutto sulla varietà di piante e animali sulla Terra. Le prove mostrano che molte specie stanno affrontando il rischio di declino ed estinzione. Uno dei problemi principali è che il cambiamento climatico rende più difficile per alcune popolazioni adattarsi. Man mano che le condizioni cambiano, i tratti che prima erano utili per la Sopravvivenza potrebbero non essere più adatti.
Quando le specie non riescono a tenere il passo con questi cambiamenti, potrebbero non sopravvivere a lungo termine. Alcune popolazioni potrebbero possedere tratti genetici che consentono loro di adattarsi rapidamente a nuove condizioni, mentre altre potrebbero faticare. Questa lotta può portare a maggiori possibilità di estinzione, soprattutto se il tasso di cambiamento climatico è troppo veloce o estremo.
Per identificare quali popolazioni sono a rischio, gli scienziati hanno creato un concetto chiamato "genomic offset," o GO. Questo misura quanto il patrimonio genetico attuale di una popolazione differisce da quello di cui ha bisogno per prosperare in ambienti in cambiamento. Questa idea aiuta a capire quali specie potrebbero affrontare problemi a causa dell'Adattamento inadeguato all'ambiente.
Il GO è stato testato utilizzando vari metodi ed è applicato a molte specie per supportare gli sforzi di conservazione. Tuttavia, è importante notare che il GO non fornisce informazioni complete sulla capacità di adattamento di una popolazione. Ha anche alcune assunzioni che potrebbero non essere sempre valide, il che può influenzare le sue previsioni.
Il concetto di Genomic Offset (GO)
Il genomic offset si concentra sul calcolo della differenza tra ciò che una popolazione ha attualmente a livello genetico e ciò di cui avrebbe bisogno per prosperare in climi futuri. Per misurarlo, gli scienziati esaminano modelli che prevedono come i tratti e i fattori ambientali interagiscono. Usano diverse tecniche per valutare quanto bene le popolazioni si stiano adattando al cambiamento climatico.
Ad esempio, gli scienziati hanno utilizzato vari metodi statistici per analizzare informazioni genetiche e confrontarle con dati climatici. Questi metodi aiutano a capire quanto bene una popolazione è adattata al proprio ambiente attuale e a prevedere come potrebbe comportarsi in condizioni future.
Dopo l'introduzione del GO, i ricercatori hanno sviluppato diversi modi per stimare questo offset. Alcuni approcci hanno mostrato risultati solidi, consentendo agli scienziati di prendere decisioni più informate riguardo alla conservazione e gestione delle specie che affrontano il cambiamento climatico.
Importanza delle previsioni GO
Il GO serve come linea guida importante per le strategie di conservazione. Identificando le popolazioni a rischio a causa della Maladattamento, i conservazionisti possono dare priorità a determinate aree o specie da proteggere. L'idea è garantire che quelle popolazioni ricevano il supporto di cui hanno bisogno per adattarsi o per minimizzare ulteriori rischi.
Nonostante il suo potenziale, il GO ha delle limitazioni. Non tiene conto di tutti i fattori che influenzano la sopravvivenza di una popolazione. Ad esempio, non cattura aspetti come quanto rapidamente una popolazione può cambiare o se ha abbastanza Diversità genetica per adattarsi.
Comprendere la Maladattamento
La maladattamento si verifica quando una popolazione non riesce ad adattarsi al suo ambiente in cambiamento, portando a tassi di mortalità aumentati e potenziale estinzione. Diversi fattori contribuiscono alla maladattamento, inclusi tratti genetici, pressioni ambientali e competizione con altre specie.
Nel contesto del cambiamento climatico, la maladattamento può sorgere quando i tratti genetici di una popolazione diventano inadeguati per le nuove condizioni portate dai climi in cambiamento. Ad esempio, una specie di pianta che prospera in condizioni umide potrebbe avere difficoltà a sopravvivere durante periodi prolungati di siccità.
Per comprendere meglio questi problemi, gli scienziati studiano come le popolazioni rispondono ai cambiamenti ambientali nel tempo. Esaminando sia il patrimonio genetico delle popolazioni che la loro interazione con l'ambiente, i ricercatori possono creare un quadro più chiaro dei rischi coinvolti.
Sfide nella previsione
Una delle principali sfide con il GO è la sua dipendenza da diverse assunzioni. Ad esempio, presume che le popolazioni siano attualmente ben adattate ai loro habitat, il che non è sempre vero. In molti casi, le popolazioni potrebbero in realtà trarre vantaggio da temperature più calde o altre modifiche.
Un'altra sfida è che i tratti genetici che aiutano le specie a sopravvivere possono essere complessi. Diverse combinazioni di varianti genetiche possono produrre gli stessi tratti osservabili, rendendo difficile individuare quali alleli siano essenziali per l'adattamento.
Inoltre, non tutte le popolazioni sperimentano il cambiamento climatico allo stesso modo. Alcune regioni potrebbero vedere cambiamenti più rapidi rispetto ad altre, portando a livelli differenti di stress e rischio.
Caso di studio: Pino marittimo
Il pino marittimo è una specie con una vasta gamma di popolazioni sparse in tutta l'Europa meridionale e nel Nord Africa. Queste popolazioni mostrano una notevole diversità genetica e adattamento alle condizioni ambientali locali. Lo studio del pino marittimo funge da esempio prezioso di come le previsioni GO possano essere validate.
Gli scienziati hanno raccolto dati genetici da 34 popolazioni di pino marittimo per valutare quanto bene le previsioni del GO corrispondessero ai tassi di sopravvivenza e crescita effettivi. Piantando questi alberi in giardini comuni con diverse condizioni ambientali, i ricercatori potevano osservare come ciascuna popolazione si comportasse.
In questo caso di studio, gli scienziati miravano a vedere quali metodi per calcolare il GO fornivano le previsioni più affidabili sul rendimento delle popolazioni. Hanno utilizzato dati genomici insieme a informazioni climatiche per valutare i rischi associati alla maladattamento.
Osservazioni dallo studio
La ricerca ha trovato che diversi metodi di calcolo del GO hanno prodotto risultati variabili. Alcuni metodi prevedevano rischi di maladattamento più elevati per specifiche popolazioni, mentre altri mostrano rischi più bassi. Questa variabilità dimostra l'importanza di utilizzare più tecniche per migliorare l'affidabilità delle previsioni.
Una scoperta chiave è stata che le popolazioni previste a rischio più elevato avevano spesso tassi di sopravvivenza più bassi nei giardini comuni. Questo indicava che le previsioni GO erano efficaci nel identificare le popolazioni che potrebbero avere difficoltà in condizioni future.
Al contrario, alcune previsioni GO non si allineavano con le prestazioni di crescita degli alberi. Questa discrepanza ha evidenziato la necessità di ulteriori studi e metodi di validazione per garantire che le previsioni tengano conto dei fattori del mondo reale.
Importanza della diversità genetica
La diversità genetica all'interno delle popolazioni è cruciale per la loro capacità di adattarsi. Un pool genetico diversificato aumenta le possibilità che alcuni individui possiedano tratti in grado di permettere loro di sopravvivere in ambienti in cambiamento. Questa diversità può derivare da diversi fattori, tra cui condizioni climatiche storiche, pattern migratori e struttura della popolazione.
Lo studio ha trovato che le popolazioni con strutture genetiche più forti spesso mostravano rischi maggiori di maladattamento. Pertanto, mantenere la diversità genetica può aiutare le popolazioni a resistere agli stress ambientali.
Valutare le previsioni GO
La validazione delle previsioni GO è essenziale per la loro applicazione pratica negli sforzi di conservazione. Per determinarne l'affidabilità, i ricercatori hanno valutato come le previsioni corrispondessero ai tassi di mortalità effettivi sia in contesti naturali che in ambienti controllati.
Nello studio sul pino marittimo, i risultati hanno determinato che alcuni metodi fornivano associazioni più coerenti con i tassi di mortalità. In particolare, le previsioni basate su SNP candidati mostravano relazioni più forti con la sopravvivenza degli alberi rispetto a quelle basate su SNP di controllo.
I risultati hanno sottolineato l'importanza di utilizzare set di dati diversificati per validare le previsioni. La combinazione di dati osservazionali provenienti da popolazioni naturali e dati sperimentali da giardini comuni ha fornito una visione completa dell'efficacia del GO come metrica per prevedere la maladattamento.
Implicazioni per la conservazione e la gestione
L'uso delle previsioni GO può svolgere un ruolo chiave nel guidare le strategie di conservazione e gestione. Identificando le popolazioni che potrebbero avere difficoltà a causa del cambiamento climatico, i conservazionisti possono concentrare i loro sforzi sulla preservazione di specie e habitat a rischio.
È cruciale interpretare attentamente le previsioni GO, tenendo presente che rappresentano solo una parte del quadro. Altri elementi, come la capacità adattativa di una popolazione e gli impatti delle condizioni climatiche estreme, guidano anche le decisioni di gestione.
Per proteggere efficacemente la biodiversità di fronte al cambiamento climatico, è essenziale considerare il contesto più ampio dell'adattamento delle specie, inclusi la variazione genetica, la resilienza ambientale e le dinamiche delle popolazioni.
Direzioni future
Mentre la ricerca continua, sviluppare una migliore comprensione delle previsioni GO e delle loro limitazioni è vitale. I futuri studi dovrebbero mirare a perfezionare i metodi utilizzati per valutare il GO ed esplorare nuovi approcci che integrino più fattori ecologici ed evolutivi.
Questo lavoro continuo aiuterà a stabilire un quadro più robusto per l'uso del GO negli sforzi di conservazione. Costruendo sulla conoscenza attuale, gli scienziati possono prevedere meglio come le popolazioni potrebbero rispondere al cambiamento climatico e sviluppare strategie efficaci per sostenere la biodiversità.
Conclusione
Il concetto di genomic offset fornisce uno strumento prezioso per comprendere come le popolazioni potrebbero far fronte al cambiamento climatico. Sottolinea la necessità di considerare la diversità genetica e l'adattabilità negli sforzi di conservazione. Anche se le previsioni GO hanno mostrato promesse, la validazione continua e il perfezionamento dei metodi sono necessari per garantirne l'efficacia.
Comprendendo meglio la dinamica dell'adattamento, i conservazionisti possono prendere decisioni informate su come proteggere le specie a rischio a causa del cambiamento climatico. Con le sfide climatiche che continuano a intensificarsi, la conservazione della biodiversità dipenderà dalla nostra capacità di adattare i nostri approcci alla conservazione e alla gestione.
Titolo: Evaluating genomic offset predictions in a forest tree with high population genetic structure
Estratto: Predicting how tree populations will respond to climate change is an urgent societal concern. An increasingly popular way to make such predictions is the genomic offset (GO) approach, which aims to use genomic and climate data to identify populations that may experience climate maladaptation in the near future. More precisely, GO tries to represent the change in allele frequencies required to maintain the current gene-climate relationships under climate change. However, the GO approach has major limitations and, despite promising validation of its predictions using height data from common gardens, it still lacks broad empirical testing. In the present study, we evaluated the consistency and empirical validity of GO predictions in maritime pine (Pinus pinaster Ait.), a tree species from southwestern Europe and North Africa with a marked population genetic structure. First, gene-climate relationships were estimated using 9,817 SNPs genotyped in 454 trees from 34 populations; and candidate SNPs potentially involved in climate adaptation were identified. Second, GO was predicted using four methods, namely Gradient Forest (GF), Redundancy Analysis (RDA), latent factor mixed model (LFMM) and Generalised Dissimilarity Modeling (GDM), two sets of SNPs (candidate and control SNPs) and five climate general circulation models (GCMs) to account for uncertainty in future climate predictions. Last, the empirical validity of GO predictions was evaluated within a Bayesian framework by estimating the associations between GO predictions and two independent data sources: mortality data from National Forest Inventories (NFI), and mortality and height data from five common gardens in contrasting environments. We found high variability in GO predictions across methods, SNP sets and GCMs. Regarding validation, GO predictions with GDM and GF (and to a lesser extent RDA) based on the candidate SNPs showed the strongest and most consistent associations with mortality rates in common gardens and NFI plots. We found almost no association between GO predictions and tree height in common gardens, most likely due to the overwhelming effect of population genetic structure on tree height in this species. Our study demonstrates the imperative to validate GO predictions with a range of independent data sources before they can be used as informative and reliable metrics in conservation or management strategies.
Autori: Juliette Archambeau, M. Benito Garzon, M. de-Miguel, A. Changenet, F. Bagnoli, F. Barraquand, M. Marchi, G. Vendramin, S. Cavers, A. Perry, S. C. Gonzalez-Martinez
Ultimo aggiornamento: 2024-05-20 00:00:00
Lingua: English
URL di origine: https://www.biorxiv.org/content/10.1101/2024.05.17.594631
Fonte PDF: https://www.biorxiv.org/content/10.1101/2024.05.17.594631.full.pdf
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia biorxiv per l'utilizzo della sua interoperabilità ad accesso aperto.