《Ecological Applications》：Application of close-kin mark–recapture to an American black bear population using harvest samples
编辑推荐：
近亲标记重捕法（close-kin mark–recapture，CKMR）为估计野生动物种群参数提供了一种有望替代传统标记重捕法（mark–recapture，MR）的方法。CKMR通过识别个体之间的遗传关系估计种群统计参数（demographic para
近亲标记重捕法（close-kin mark–recapture，CKMR）为估计野生动物种群参数提供了一种有望替代传统标记重捕法（mark–recapture，MR）的方法。CKMR通过识别个体之间的遗传关系估计种群统计参数（demographic parameters），并通过子代遗传图谱有效“重捕”亲本基因型（parental genotypes）。CKMR相对于传统方法的一个关键优势是能够在无需重捕的情况下估计丰度（abundance），从而促进利用致死采集的生物样本。在此，研究人员呈现CKMR在陆生物种（terrestrial species）中的应用，所用样本采集自收获个体。研究人员分析了美国密歇根州上半岛（Michigan's Upper Peninsula）连续两年收获的1767只美洲黑熊（Ursus americanus）的遗传数据。使用通过测序进行千位点基因分型（Genotyping-in-Thousands by sequencing，GT-seq），研究人员识别了亲本-子代对（parent-offspring pairs，POPs），并开发了针对黑熊繁殖生物学和管理策略定制的性别特异性模型（sex-specific models）。基于对该种群的既有认识，雌性种群估计与预期一致。相比之下，雄性种群估计偏离预期，可能由于与雄性繁殖生物学和采样偏差（sampling bias）相关的未建模因素组合。该研究不仅证明使用基于收获的CKMR（harvest-based CKMR）监测陆生野生动物种群的可行性，也强调需要谨慎进行模型规范（model specification）。通过提供一种估计种群统计参数和种群大小的新方法，使用收获样本的CKMR可为管理决策和收获配额（harvest quotas）提供信息。该方法利用涉及遗传样本采集的现有管理实践，如强制性收获登记（mandatory harvest registrations）和健康监测计划（health monitoring programs）。该研究的发现促进不断增长的CKMR应用体系，并将其用途扩展至陆生物种管理。
研究背景与问题。适应性野生动物管理依赖通过反复、准确的动物丰度（abundance）估计进行种群监测。传统标记重捕（mark–recapture，MR）长期用于估计种群统计参数（demographic parameters）、种群大小和趋势，遗传采样进展也将其扩展至难以捕获、标记或个体识别物种。然而，重复开展野外MR采样（无论侵入性或非侵入性）的后勤和资金成本较高，限制了大空间尺度上足以检测种群变化的重复采样。近亲标记重捕法（close-kin mark–recapture，CKMR）提供了在MR框架内估计种群统计参数的替代途径：其不要求重捕同一个体，而是通过子代基因型直接或间接“重捕”成熟个体的基因型，因此可利用致死收获样本。采集收获动物遗传样本对受法规检查、标签要求或健康监测的物种可行，例如野猪、白尾鹿等监测项目。至今CKMR主要应用于水生物种，陆生物种应用较少，且多使用非致死采样；最近才用于收获的海豹。研究人员因此需要检验CKMR能否用于陆生哺乳动物的收获样本，并评估性别特异性繁殖生物学和管理策略对模型的影响。
研究人员开展的研究、结论与意义。研究人员以密歇根州上半岛美洲黑熊（Ursus americanus）为对象，分析连续两年收获的1767只个体的遗传数据，用GT-seq识别亲本-子代对（parent–offspring pairs，POPs），并开发雌性和雄性特异性CKMR模型。雌性估计与既有认识一致，雄性估计偏离预期，可能由雄性繁殖生物学和采样偏差相关的未建模因素造成。该研究证明基于收获样本的CKMR用于陆生野生动物监测的可行性，同时强调模型规范的重要性；该方法可为管理决策和收获配额提供信息，并利用强制性收获登记和健康监测等现有实践。
关键技术方法。样本队列来自2021年（N=1421）和2022年（N=1977）密歇根州上半岛秋季收获；最终高质样本为2021—2022年合并的1767只，遗传质控后下游数据集含1749只（713雌、1036雄）。研究人员从组织或前臼齿牙髓提取DNA，使用限制性位点关联DNA测序（restriction site-associated DNA sequencing，RAD-seq）发现单核苷酸多态性（single nucleotide polymorphisms，SNPs），设计GT-seq panel，最终采用216个SNP（211个常染色体SNP和5个性别标记）。用Sequoia构建系谱并推断POPs，用CKMRsim模拟评估关系分配假阳性和假阴性；构建性别特异性CKMR伪似然（pseudo-likelihood），整合种群动态和年龄结构，在贝叶斯框架下用马尔可夫链蒙特卡洛（Markov chain Monte Carlo，MCMC）拟合，并与统计捕获年龄模型（statistical catch-at-age，SCAA）比较。
研究结果。遗传分析确认GT-seq可可靠区分一级亲缘对。最终数据集含1749个样本，识别65个母-子对（mother–offspring，MO；涉及54个母亲）；雄性性成熟设为3岁时识别62个父-子对（father–offspring，FO；涉及27个父亲），设为4岁时识别55个FO（涉及26个父亲），父本对应子代数为1至7。雌性模型估计2020年成年雌性丰度为2915只（95%可信区间[credible intervals，CIs] 2258–3877），与最新SCAA对繁殖雌性的估计2468只相近；雌性种群增长率估计为?0.066（95% CI ?0.265–0.084），提示轻微但不显著的下降。雄性CKMR估计在所有四个场景中约为最新SCAA估计的2倍：3岁首次繁殖时估计为2370（95% CI 1865–3158）至2904只（95% CI 2326–3950），而SCAA为1359只成年雄性；4岁性成熟时估计为1728（95% CI 1371–2382）至1963只（95% CI 1565–2723），而SCAA为825只。纳入年龄依赖繁殖力使丰度估计比恒定繁殖力高15%–25%。雄性种群增长率在3岁成熟设定下为正、在4岁设定下为负，但95% CI均跨零。
讨论与结论。研究人员认为，CKMR可用于模型狩猎物种的收获样本，有潜力成为估计丰度和趋势的标准工具。雌性模型表现良好，变异系数（coefficient of variation，CV）为14.6%，精度足以用于熊管理；其估计略高于当前SCAA。雄性模型估计约为SCAA的2倍，诊断提示雄性CKMR可能不准确，因为将成年雄性丰度外推至所有1岁以上雄性会得到不合理的大种群和强烈雄性偏性比。雄性模型可能忽略了影响亲缘概率的重要因素，如繁殖偏斜或采样概率。雌性模型更可能准确，因雌性繁殖生物学更同质、更符合CKMR假设；成年雌性丰度可反映有效繁殖种群大小和增长趋势，足以用于监测。雄性高估可能意味着样本中FO对少于预期。密歇根州上半岛熊收获成功率约30%，通常视为机会性，研究人员假定不存在与繁殖力相关的采样选择性；但约85%的熊通过诱饵收获。优势、高繁殖雄性可能在夜间占据诱饵点，白天退至较安全区域，从而迫使从属、低繁殖个体在更高风险的白天取食并增加收获易感性，可能形成“反向繁殖力依赖采样”。该解释需通过收获样本与真正随机样本的比较父权分析确认；若确认，可在FO概率中加入校正因子。首繁殖年龄对雄性总体结果影响不大，3岁和4岁模型外推至总雄性种群得到相似估计；年龄依赖繁殖成功有中度影响，在3岁和4岁模型中分别使估计增加22.5%和13.6%。增长率的精度较差，不能明确判断种群趋势，定期独立CKMR调查可帮助确认，频率应适合物种和管理需求，例如每5年整合入SCAA。若雄性种群大小关键，可拟合半同胞对（half-sibling pairs，HSPs），其不需采样亲本，可消除成年采样偏差，但HSPs假设和错误来源更多，尤其雄性存在繁殖偏斜；二级关系比POPs更难遗传识别。黑熊交配系统受雄性竞争、雄性年龄和邻近交配策略影响，结合雌性留居和较长寿命，会增加与HSPs遗传不可区分且不能按年龄差过滤的全thiatic对（aunt/uncle-niece/nephew pairs），导致假阳性偏差。区分母系和父系HSPs需线粒体DNA（mitochondrial DNA，mtDNA），若共享mtDNA则仍难区分，对陆生留居、邻近繁殖物种尤为困难；CKMR模型需为每个HSP纳入母系或父系相关概率。
研究结论部分翻译。本研究是研究人员所知首个将CKMR应用于陆生哺乳动物并使用收获期间获得的致死样本的应用。研究人员的模型提供了雌性丰度估计，并揭示了对雄性收获模式的潜在未知见解。尽管遇到明显挑战，该研究表明CKMR对于常规且相对低成本地监测收获物种具有前景。与传统MR方法相比，CKMR不需要重复捕获，从而消除与野外诱捕、标记设备以及大量旅行或野外后勤相关的成本。采样工作可转而集中于从正常开发活动中已收获个体收集遗传材料，并以相对稳定和可预测的成本进行实验室遗传分析。然而，由于近期队列中亲缘对检测的固有滞后，最近采样年份的CKMR丰度估计在没有连接时间动态的增长参数时精度较低。即使纳入增长参数，假设恒定增长率也限制了检测短期种群变化的能力。鉴于这种有限的响应性，CKMR可能更适合作为综合管理策略的一部分，结合收获每单位努力或猎人成功率等实时指数来指导年度管理。此外，未来将CKMR应用于收获数据时，不仅应考虑物种繁殖生物学，还应密切关注采样方案，因为收获在繁殖成功方面可能并非总是随机的，例如战利品狩猎。许多扩散有限的陆生物种，如果收获存在空间偏倚，可能还需要实施空间显式CKMR模型。本研究通过实施CKMR模型，为未来野生动物管理研究奠定了基础，该模型为监测野生种群提供了一种成本有效且有见解的方法。
