Wie nützlich sind genomische Daten zur Vorhersage von Fehlanpassungen an zukünftige Klimabedingungen?

Zusammenfassung Methoden, die genomische Informationen nutzen, um potenzielle Fehlanpassungen von Populationen an den Klimawandel oder neue Umgebungen vorherzusagen, werden zunehmend verbreitet, doch das Fehlen von Modellvalidierungen stellt ernsthafte Hürden für ihre Einbeziehung in das Management und die Politik dar. Hier vergleichen wir die Validierung von Schätzungen zur Fehlanpassung, die aus zwei Methoden stammen—Gradientenwälder (GF offset) und das Risiko der Nicht-Anpassung (RONA)—unter Verwendung von Exomansatz-Pool-Seq-Daten aus 35 bis 39 Populationen über drei Nadelbaum-Taxa: zwei Douglasien-Sorten und Kiefer. Wir bewerten die Sensitivität dieser Algorithmen gegenüber der Quelle der Eingabeloci (Marker, die aus Genotyp-Umwelt-Assoziationen (GEA) ausgewählt wurden oder zufällig ausgewählt sind). Wir validieren diese Methoden anhand von 2- und 52-jährigen Wachstums- und Mortalitätsdaten, die in unabhängigen Transplantationsexperimenten gemessen wurden. Insgesamt stellen wir fest, dass beide Methoden häufig die Transplantationsleistung besser vorhersagen als klimatische oder geografische Distanzen. Wir finden auch, dass die Modelle GF offset und RONA überraschenderweise nicht durch GEA-Kandidaten verbessert werden. Selbst mit vielversprechenden Validierungsergebnissen macht die Variation in den Modellprojektionen für zukünftige Klimata es schwierig, die am stärksten fehlangepassten Populationen mit einer der Methoden zu identifizieren. Unsere Arbeit fördert das Verständnis für die Sensitivität und Anwendbarkeit dieser Ansätze, und wir diskutieren Empfehlungen für deren zukünftige Nutzung.