Demografinė istorija, dabartinė plėtra ir ateities laukiniai šernų populiacijos iššūkiai Balkanuose ir Europoje | paveldimumas

Demografinė istorija, dabartinė plėtra ir ateities laukiniai šernų populiacijos iššūkiai Balkanuose ir Europoje | paveldimumas

Anonim

Dalykai

  • Genetiniai žymekliai
  • PGR pagrįsti metodai

Anotacija

Šernas ( Sus scrofa ), viena iš labiausiai paplitusių laukinių gyvūnų rūšių, Europoje pradėjo nuolat augti ir netgi galėjo būti laikomas kenkėjų rūšimi. Mes analizavome mikrosatellito kintamumą 723 šernams iš visos Europos, įskaitant šiaurinius Dinaric Balkanus. Mūsų tikslai buvo šie: (1) apibrėžti šernų populiacijos struktūrą Balkanuose ir jos ryšį su kitomis Europos populiacijomis; (2) įvertinti efektyvų populiacijos dydį, populiacijos viduje ir tarp jų vykstančią įvairovę, perinčių migracijų skaičių ir genų srautus; (3) ištirti silpnų vietų subpopuliacijas; 4) interpretuoti šiuos rezultatus atsižvelgiant į dabartines žinias apie Europos šernų demografinę istoriją; ir 5) aptarti šių išvadų svarbą valdymui ir išsaugojimui. Pastebėtas tvirtas gyventojų struktūros nustatymas ir išaiškinta 14 subpopuliacijų. Buvo nustatyta aukšta genetinė įvairovė, be žinomo Sardinijos ir Castelporziano Italijos populiacijų tapatumo, mes suteikiame naujų įžvalgų apie kitas galimas svarbias, prieštaraujančias populiacijas, tokias kaip Slovėnijos pakrantės pakrantė, Pietų Portugalija, šiaurės vakarų Iberija ir visa grupė Balkanai. Buvo įrodymų, kad genų srautas pereina nuo šių refugialinių subpopuliacijų link mažiau periferinių ir labiau sumaišytų subpopuliacijų. Pastaruoju metu buvo aptiktos populiacijos kliūtys ir plėtra, daugiausia pusiasalio prieglobsčio pogrupiuose. Rezultatai atitinka šernų skaičiaus svyravimus Europoje nuo dvidešimtojo amžiaus pradžios. Į šiuos rezultatus reikėtų atsižvelgti rengiant būsimus Europos šernų populiacijų išsaugojimo ir valdymo planus.

Įvadas

Šernas ( Sus scrofa ) yra viena iš svarbiausių ir plačiausiai paplitusių laukinių gyvūnų rūšių pasaulyje. Šernų geografinį pasiskirstymą ir šių dienų genetinę įvairovę visoje Europoje suformavo ketvirtadieniniai ledyniniai / tarpšlakiniai ciklai (Scandura ir kt., 2008; Alexandri ir kt., 2012; Vilaça ir kt., 2014; Veličković ir kt.). 2015), taip pat žmogaus veikla praeitais amžiais (Apollonio ir kt., 2010). Devynioliktajame ir dvidešimtojo amžiaus pradžioje šernų populiacijos pasiskirstymas ir skaičius Europoje sumažėjo daugiausia dėl to, kad žmonės per daug išnaudojo savo buveines ir pačias rūšis (Apollonio ir kt., 1988; Massei ir Genov, 2000; Apollonio ir kt.). al., 2010; Linnel ir Zachos, 2011). Per pastaruosius keturis dešimtmečius užfiksuotas ryškus Europos šernų populiacijos padidėjimas, daugiausia susijęs su dideliu reprodukcijos greičiu, didelių plėšrūnų nebuvimu, miškų atsodinimu, klimato pokyčiais, papildomu šėrimu ir sumažėjusia medžiokle visoje Europoje (Saez-Royuela ir Telleria, 1986; Fonseca, 2004; Ferreira ir kt., 2009; Apollonio ir kt., 2010; Scandura ir kt., 2011a; Massei ir kt., 2015). Atrodo, kad Europos šernų populiacijos nuolat auga. Gyventojų skaičiaus padidėjimas paveikė žmonių visuomenę plintant ligoms, pasėlių pažeidimams ir transporto priemonių susidūrimams (Massei ir kt., 2015), sukeldami žmonių ir laukinės gamtos konfliktus (Frank ir kt., 2015). Kai kuriais atvejais šernas netgi laikomas kenkėjų rūšimi.

Šernų populiacijų valdymo strategijos turėtų būti pagrįstos tinkamu veiksnių, darančių įtaką dabartinėms populiacijos tendencijoms, supratimu ir jo pritaikymo įvairioms aplinkos sąlygoms svarstymu (Scandura ir kt., 2011a; Massei ir kt., 2015). Išsami informacija apie šernų genetinę įvairovę turi didelę reikšmę, nes šernų populiacijos taip pat yra saugių rūšių genetinių variacijų rezervuaras ir jos išsaugojimas yra svarbus ne tik siekiant išsaugoti pačias rūšis, bet ir norint išsaugoti didesnę įvairovę, kad būtų geriau veisiama. ateities kartoms, nes šiuo metu kyla grėsmė vietinėms Europos naminių kiaulių veislėms (Frantz ir kt., 2016). Genetiniai duomenys gali padėti valdyti ir išsaugoti populiaciją: apibrėždami populiacijos struktūrą (taigi valdymo vienetus); informavimas apie svarbius demografinius parametrus, tokius kaip veisimosi lygis, įvairovė ir faktinis gyventojų skaičius; matuoti genų srautą tarp subpopuliacijų; ir identifikuoti galimą riziką, susijusią su demografiniais pokyčiais ir įveisimu (Shafer ir kt., 2015). Ypač svarbu suprasti, ar dabartiniams šernų populiacijos struktūros ir įvairovės modeliams didžiausią įtaką daro žmogaus veikla, ar jie iš tikrųjų išlaiko praeities įvykių, tokių kaip ketverto klimato svyravimai, ženklą, ir todėl jiems įtakos neturi žmogaus tarpininkaujama demografija svyravimai ir genų srautas.

Visi šie pagrindiniai rūpesčiai, taip pat molekulinių genetinių laukinės gyvūnijos tvarkymo ir išsaugojimo priemonių kūrimas paskatino daugybę tyrimų, susijusių su šernų populiacijų genetine įvairove ir filogeografija Europoje (Vernesi ir kt., 2003; Ferreira ir kt.) 2006, 2009; Scandura ir kt., 2008, 2011a; Alves ir kt., 2010; Alexandri ir kt., 2012; Kusza ir kt., 2014; Vilaça ir kt., 2014; Iacolina ir kt., 2016; Sprem ir kt. al., 2016). Į vieną naujausių tyrimų buvo įtraukti duomenys iš didelių šiaurinių Dinaric Balkanų teritorijų, pateikiant įrodymų, kad Balkanai yra svarbus Europos šernų genetinis rezervuaras ir kad dabartinė šernų genetinė struktūra ir geografinis pasiskirstymas visoje Europoje atsirado iš senovės. procesai paskutinių ledynmečių metu, parodantys, kad panašūs filogeografiniai modeliai atsirado visuose pietų Europos pusiasaliuose ir kad visi trys pusiasaliai vaidino panašų vaidmenį Europos poledynmečio rekronizacijoje šernai (Veličković et al., 2015). Kita vertus, Frantzas ir kt. (2016) atkreipė dėmesį, kad Vakarų Europoje daugelis vietinių populiacijų išnyko ir atsinaujino kartu su kitomis šernų populiacijomis. Dėl šio proceso Europoje sumažėjo šernų populiacijų genetinė įvairovė, palyginti su naminių veislių ir šernų populiacija Azijoje.

Šis tyrimas buvo skirtas siekiant išsamesnės informacijos apie šernų genetinės variacijos ir struktūros modelius visoje Europoje, ypač Balkanuose, siekiant įvardyti procesus, kurie lėmė šių dienų genetinę įvairovę ir struktūrą, ir aptarti jų aktualumas ateityje atsižvelgiant į šernų valdymą Europoje. Remdamiesi mikrosatellito analize, mes konkrečiai siekėme: (1) apibrėžti šernų populiacijos struktūrą Balkanuose ir jos ryšį su kitomis Europos populiacijomis; 2) įvertinti efektyvų populiacijos dydį, populiacijos viduje ir tarp jų įvairovę, veisimąsi, migraciją ir genų srautus; (3) ištirti silpnų vietų subpopuliacijas; (4) interpretuoti šiuos rezultatus atsižvelgiant į dabartines žinias apie Europos šernų demografinę istoriją ir galimą žmonių įsikišimo įtaką, be jau gerai dokumentais patvirtintos kvartero klimato svyravimų įtakos; ir 5) aptarti šių išvadų svarbą valdymui ir išsaugojimui, suteikiant naujų įžvalgų nustatant valdymo vienetus.

medžiagos ir metodai

Medžiagų rinkimas ir DNR gavyba

Iš viso 581 šerno mėginiai buvo paimti iš įvairių vietovių visoje Serbijoje, Jugoslavijos Respublikos Makedonijoje, Juodkalnijoje, Bosnijoje ir Hercegovinoje, Kroatijoje, Slovėnijoje, Italijoje, Portugalijoje, Ispanijoje, Čekijoje, Vokietijoje, Slovakijoje ir Rumunijoje įprastų medžioklės sezonų metu (1 paveikslas). . Į analizę taip pat buvo įtraukti 142 šernai iš Šiaurės Italijos, kuriems, gavus Caratti et al tyrimą, mes nustatėme išsamius genotipus. (2010) ir šios mėginių ėmimo vietos taip pat įtrauktos į 1 paveikslą. Be to, buvo įtraukti 35 naminių kiaulių mėginiai iš dviejų Iberijos veislių (Bisaro ir Malhado de Alcobaça). Bendra DNR buvo ekstrahuota, suardžius proteinazę K, po to ekstrahuojant standartinį fenolio, chloroformo ir izoamilo alkoholio kiekį (Sambrook ir Russell, 2001) ir druskos ekstrahavimo procedūras (Bruford et al., 1992).

Image

Europos žemėlapis, kuriame pateiktas šernų mėginių ėmimo vietų pasiskirstymas. Mėginiai buvo suskirstyti į 21 pogrupį atsižvelgiant į jų geografinį artumą, mėginių ėmimo vietų biogeografinius ypatumus ir, jei įmanoma, išankstinę informaciją apie vietinę genetinę struktūrą: 1, Dinaric Balkanai; 2, Peridinariniai Balkanai; 3, Pietų Centrinis Balkanas; 4, žemyninė Slovėnija; 5, Slovėnijos pakrantė; 6, Pietų panonija; 7, Centrinė ir Vakarų Iberija; 8, Šiaurės Portugalija; 9, Pietų Portugalija; 10, Castilla la Mancha; 11, Galisija; 12, Extremadura; 13, Andalūzija; 14, Castelporziano; 15, Centrinė ir Vakarų Italija; 16, šiaurės vakarų Italija; 17, Alpės; 18, Sardinija; 19, Čekija ir Slovakija; 20, Vokietija; ir 21, Rumunija.

Visas dydis

Mikrosatellito genotipas

Daugkartinė 11 tetranukleotidinių mikrosatellitų PGR amplifikacija buvo atlikta naudojant Animaltype Pig PCR amplifikacijos rinkinį (Biotype AG, Drezdenas, Vokietija), vadovaujantis gamintojo rekomendacijomis. Rūšiavimas atliktas kapiliarine elektroforeze naudojant ABI3730 × l genetinį analizatorių (Applied Biosystems, Foster City, CA, JAV). Šių 11 mikrosatellitų PGR produktų fragmentai buvo analizuojami naudojant programinę įrangą Peak Scanner v1.0 (Applied Biosystems) ir Gene Marker (Softgenetics, State College, PA, JAV) programinę įrangą prieš aleliškas kopėčias ir žinomo genotipo kontrolinį DNR mėginį (DL157). pateikė rinkinio gamintojas.

Statistinė analizė

Visi šernų mėginiai buvo suskirstyti į 21 a priori subpopuliaciją pagal jų geografinį artumą, mėginių ėmimo vietų biogeografinius ypatumus ir, jei įmanoma, išankstinę informaciją apie vietinę genetinę struktūrą: (1) Dinariniai Balkanai (68 mėginiai); (2) Peridinariniai Balkanai (26); (3) Pietų Centrinis Balkanas (33); (4) žemyninė Slovėnija (36); (5) Slovėnijos pakrantė (17); (6) Pietų Panonija (79); (7) Vidurio vakarų Iberija (26); (8) Šiaurės Portugalija (22); (9) Pietų Portugalija (19); (10) „Castilla la Mancha“ (20); (11) Galisija (20); (12) Extremadura (10); (13) Andalūzija (14); (14) „Castelporziano“ (19); (15) Vidurio vakarų Italija (28); (16) Šiaurės vakarų Italija (57); (17) Alpės (120); (18) Sardinija (16); (19) Čekija ir Slovakija (77); (20) Vokietija (10); ir (21) Rumunija (6) (1 paveikslas). Dvi naminių kiaulių veislės buvo traktuojamos kaip dvi skirtingos a priori subpopuliacijos. Norint patikrinti, ar mikčiojančios juostos, didelis alelių kritimas ir nuliniai aleliai turėjo įtakos mikrosatellito alelių dažniui ir heterozigotiškumo skaičiavimams, buvo naudojama programa MICRO-CHECKER (Van Oosterhout ir kt., 2004), kad patikrintume mūsų duomenų rinkinį dėl šių galimų klaidų šaltinių. Kokybės patikrinimas buvo atliekamas atskirai kiekvienai a priori subpopuliacijai, siekiant sumažinti struktūros poveikį stebėtam homozigotumo lygiui. Įvairių alelių skaičius, stebėtos ir tikėtinos heterozigotiškumo vertės, nukrypimai nuo Hardy – Weinbergo pusiausvyros ir veisimosi koeficientai su patikimumo intervalais buvo įvertinti naudojant „diveRsity“ paketo divbazinę funkciją (Keenan et al., 2013) R programinėje įrangoje („R Core Team“, 2015). ). Nukrypimai nuo jungčių pusiausvyros, molekulinio dispersijos (AMOVA) analizė ir poriniai genetiniai atstumai tarp numanomų grupių ( F ST ) buvo apskaičiuoti naudojant ARLEQUIN 3.5.1.2 (Excoffier ir Lischer, 2010). Daugybinių palyginimų reikšmingumo lygis buvo pakeistas naudojant Bonferroni korekciją (Rice, 1989). Retai sutelkti aleliai buvo apskaičiuoti naudojant ADZE (Szpiech ir kt., 2008), nustatant retumo rodiklį, indeksuotą iki minimalaus mėginio dydžio.

Populiacijų genetinė struktūra visame rūšių pasiskirstymo diapazone gali atspindėti praeities demografinius ir migracinius įvykius, o ne dabartinius geografinius atstumus tarp individų ar atsitiktinai besiribojančius populiacijos vienetus. Todėl atlikome Bajeso klasterių analizę, įdiegtą 2.3.4 STRUKTŪROJE (Pritchard ir kt., 2000; Falush ir kt., 2003, 2007; Hubisz ir kt., 2009), siekdami nustatyti skirtingų genetinių grupių, atstovaujamų mūsų Europos šernų ir naminių kiaulių mėginys. Buvo atlikti trys nepriklausomi STRUKTŪRINIŲ bandymų rinkiniai, darant prielaidą, kad skirtingi modeliai: pirmajam bandymų rinkiniui mes pasirinkome priemaišų modelį su koreliuojamais alelių dažniais; antrą, mes manėme, kad nėra maišymo tarp K grupių ir nėra koreliacijos tarp alelių dažnio; o trečiajam mes panaudojome be priemaišų modelį su koreliuojamais alelių dažniais. Iš pradžių visos trys analizės buvo atliktos su 100 000 perdegimo ilgiu, po to sekė 1 000 000 Markovo grandinės Monte Karlo kartojimų. Pirmųjų dviejų analizių rinkinių nepriklausomi bandymai buvo konvergenciniai, naudojant šį pakartojimų skaičių, tačiau trečiąją analizę (tai yra, jokio priedų modelio su koreliuojamais alelių dažniais) nereikėjo pakartoti sudeginus 200 000, po to - 2 000 000. Markovo grandinės Monte Karlo iteracijos, kad būtų pasiekta konvergencija. Visoms trims analizėms atlikome 3 pakartojimus kiekvienai K, kurių vertė buvo nuo 1 iki 17.

Labiausiai tikėtiną klasterių skaičių įvertinome Δ K metodu (Evanno ir kt., 2005), naudodami CLUMPAK (Kopelman ir kt., 2015) ir STRUCTURE HARVESTER (Earl and vonHoldt, 2012). CLUMPAK taip pat buvo naudojamas išsamiam kiekvienos K nepriklausomų bandymų konvergencijos tikrinimui ir rezultatų grafiniam interpretavimui. Pasirinktai K vertei įvertinome išvestinių klasterių populiacijos narystės koeficientą ( Qpop ). Visiems trims modeliams labiausiai tikėtinas genetinių grupių skaičius visada apėmė K = 3 ir K = 7. Tačiau buvo parodyta, kad Δ K metodas nustato aukščiausią gyventojų struktūros lygį, kai egzistuoja keli hierarchiniai lygiai (Evanno ir kt., 2005). Todėl turime pagrindo manyti, kad atlikdami šį pirmąjį analizės etapą, naudodami bendrą mėginių rinkinį (758 asmenys), mes nustatėme pirmuosius du struktūros lygmenis. Norėdami visiškai suprasti šernų genetinę struktūrą Balkanuose ir Europoje, kai kurioms K grupėms atlikome papildomą STRUKTŪROS analizę, padarytą ankstesniame žingsnyje (daugiau informacijos rasite Rezultatai).

Koreliacija tarp genetinių atstumų tarp a posteriori apibrėžtų subpopuliacijų ir geografinių atstumų buvo patikrinta naudojant Mantel neparametrinį testą porų atstumo matricose (Mantel, 1967), naudojant ARLEQUIN. Be to, norėdami geriau suprasti šernų erdvinį pasiskirstymą ir galimas geografines kliūtis Europoje, atlikome molekulinės dispersijos (SAMOVA) erdvinę analizę naudodami SAMOVA 2.1 (Dupanloup et al., 2002). Mes atlikome K = 2 iki 20 analizę, kad nustatytume labiausiai tikėtiną grupių skaičių su 21 a priori pogrupiu. Geriausias K buvo nustatytas, kai Fct reikšmė (diferenciacijos laipsnis tarp grupių) pasiekė plokščiakalnį.

Pagrindiniai posteriori nustatytų subpopuliacijų genetiniai indeksai buvo apskaičiuoti taip, kaip aprašyta a priori subpopuliacijoms. Be to, a posteriori subpopuliacijose mes įvertinome G ST (Nei, 1973) ir D (Jost, 2008) diferenciacijos statistinius duomenis ir santykinį migracijos tinklą, naudodamiesi atitinkamai funkcijų diffCalc ir divMigrate diveRsity R paketą. Pastarasis įgyvendina metodą, aprašytą Sundqvist ir kt. (2016). Tinklai buvo įvertinti naudojant G ST, D ir N m statistiką (Slatkin, 1993, apskaičiuota pagal Alcala ir kt. (2014). Reikšmingi migracijos srautai buvo įvertinti remiantis įkrovos procedūra su 49999 pakartojimais. Šis metodas leidžia įvertinti asimetrinės migracijos tarp atskirų populiacijų, darant prielaidą, kad baigtinis salos modelis (arba tas, kuriame migracija turi nevaržomą pasklidimo branduolį) su begaliniu alelių skaičiumi ir mažu mutacijų greičiu (Sundqvist et al., 2016). Kiaulių mikrosatellitų mutacijos dažnis vidutiniškai 7, 52 × 10 −5 vienam lokusui per kartą (Yue ir kt., 2002), todėl šiame kontekste gali būti laikomi mažais (μ 2 << μ). Mikrosatellito lokusai yra laikomi neutraliais žymekliais, tačiau juos gali paveikti glaudžiai susiję adaptaciniai genai (Nei ir Tajima, 1981; Ford, 2002) .Tačiau šis poveikis turėtų būti atskiestas naudojant nepriklausomų žymeklių rinkinį. Efektyvus populiacijos dydis ( N e ), pagrįstas jungties pusiausvyra, buvo nustatytas naudojant LDNE 1.31 (Waples ir Do, 2). 008). 95% pasikliautinieji intervalai buvo gauti naudojant „jackknife“ metodą ir, siekiant ištaisyti žinomų retų alelių paklaidus, visų alelių dažnis <0, 05 buvo neįtrauktas.

Siekiant gauti daugiau informacijos apie šernų demografinę istoriją Balkanuose ir Europoje, kiekviena gyventojų grupė buvo patikrinta, ar pastaruoju metu nėra kamščių. Mes naudojome du metodus, kurie buvo siūlomi kaip ypač perspektyvūs (Williamson-Natesan, 2005). Pirmasis metodas buvo pagrįstas heterozigotiškumo pertekliaus, palyginti su alelių skaičiumi, nustatymu visuose lokusuose pagal dvifazį mutacijos modelį, įdiegtą BOTTLENECK (Cornuet ir Luikart, 1996). Antrasis metodas buvo pagrįstas M santykio, kurį aprašė Garza ir Williamson (2001), analize, naudojant vykdomuosius failus M_P_VAL.exe ir crit_M.exe, kuriuos sukūrė tie patys autoriai. Cornuet ir Luikart (1996) požiūris grindžiamas heterozigotiškumo pertekliumi (palyginti su alelių skaičiumi), kuris, kaip tikimasi, susidarys populiacijoje, kuriai neseniai iškilo kliūtis. Garza ir Williamson (2001) metodas grindžiamas santykiu M tarp nurodyto lokuso stebimų alelių skaičiaus k ir to lokuso alelių dydžių pasiskirstymo intervalo r . Pasak autorių, alelių skaičiui didesnę įtaką turės butelio kaklelis nei alelių dydžio pasiskirstymo diapazonui. Pirmasis metodas turėtų būti veiksmingesnis nustatant naujausius ir trumpalaikius trūkumus, o antrasis - aptikti senesnius ir ilgesnius trūkumus (Williamson-Natesan, 2005).

Rezultatai

Duomenų kokybė ir žymenų polimorfizmas

Didžioji dalis genotipų buvo sėkmingai įvertinta, o trūko duomenų - 0, 17% (nuo 0 iki 0, 9% vienam lokusui). Neradome reikšmingų įrodymų, susijusių su alelių iškritimu, ir tik labai retai aptikome reikšmingų įrodymų, kad dėl mikčiojimo atsirado genotipo klaidų. Tai atsitiko tik keturioms subpopuliacijoms po vieną žymeklį kiekvienoje subpopuliacijoje (SBH13 arba SBH22). Tačiau atidžiai peržiūrėjus elektroformos schemas, ši galimybė gali būti atmesta. Nebuvo mažai įrodymų apie nulinių alelių buvimą daugumoje žymeklių arba jų nebuvo (iki dviejų subpopuliacijų iš 23 kiekvienam žymeniui). Tik dviejuose žymekliuose (SBH10 ir SBH22) radome nulinių alelių įrodymus šešiose ar daugiau subpopuliacijų. Daugiausia įrodymų, kad aleliai yra niekiniai, buvo gauta iš penkių pogrupių (Peridinarinis Balkanas, SC Balkanai, CW Iberija, Alpės ir Čekija bei Slovakija), kurie vėliau įrodė, kad apima asmenis iš skirtingų genų grupių. Neapibrėžtų alelių aptikimas grindžiamas numatomomis homozigotų dalimis, kurias taip pat gali paveikti vidinė populiacijos struktūra arba jų mišinys. Atidžiai ištyrę elektroforogramas, mes neradome priežasties įtarti, kad šie nesisteminiai nukrypimai nuo numatomo homozigotiškumo lygio turėtų būti nulinių alelių buvimas, o ne kiti biologiškai reikšmingi procesai, sukeliantys populiacijos struktūrą ar priemaišas. Visi lokusai parodė aukštą polimorfizmo lygį ir mes nustatėme iš viso 209 alelius visuose lokusuose. Stebimų alelių skaičius viename lokuso svyravo nuo 9 ties SBH19 iki 29 prie taško SBH20, vidutiniškai 19 alelių viename lokuse.

Genetinė įvairovė ir diferenciacija a priori populiacijose

Bendras alelių skaičius, atsižvelgiant į a priori apibrėžtą subpopuliaciją, svyravo nuo 44 Castelporziano iki 144 Alpėse, tuo tarpu retas alelių turtingumas svyravo nuo 2, 9 alelių Castelporziano iki 5, 5 Pietų Vidurio Balkanuose (papildoma lentelė S1). Mažiausias privačių alelių turtingumas pastebėtas Castelporziano populiacijoje. Tikėtinas heterozigotiškumas svyravo nuo 0, 46 Castelporziano iki 0, 79 Pietų Vidurio Balkanuose, Alpėse ir Kastilijos La Mančoje. Mažiausias stebėtas heterozigotumas buvo 0, 44 Castelporziano, o didžiausia H O vertė nustatyta Dinaric Balkanuose ( H O = 0, 74). Inbribingumo koeficientai svyravo nuo –0, 037 iki 0, 172, o 11 iš 21 a priori subpopuliacijų F IS reikšmės buvo labai reikšmingos. Genetiniai atstumai ( F ST ) tarp a priori apibrėžtų porūšių porų buvo labai reikšmingi 250 iš 253 galimų porų porų deriniams ( P <0, 001). Dauguma įvertintų verčių atitiko vidutinio ir aukšto lygio genetinę diferenciaciją (Wright, 1978), ir tik 29 iš 253 derinių buvo žemas genetinės diferenciacijos lygis (papildomas S2 paveikslas). AMOVA atveju 21 iš anksto apibrėžtas subpopuliacija buvo sujungta į 4 geografines / regionines šernų grupes (Balkanai, Italija, Iberija ir Vidurio ir Rytų Europa) ir 1 grupę, kurią sudaro naminės kiaulės. Hierarchinis AMOVA rodė didžiausią kintamumą pogrupių grupėse (90, 9%), tuo tarpu kintamumas tarp grupių buvo 1, 9%, o skirtumai tarp pogrupių grupių - 7, 2% ( P <0, 001).

Šernų genetinė struktūra Europoje

Kiekvienam iš trijų STRUKTŪROS bandymų rinkinių, įskaitant visus mėginius, K = 3 ir K = 7 buvo vieni iš geriausių genetinių grupių K skaičių (1 lentelė). K = 3, neatsižvelgiant į modelį, buvo rastos trys genetinės grupės, kiekviena iš jų daugiausia susijusi su vienu iš pietų Europos pusiasalių. Nepaisant skirtumų tarp genomų proporcijų, priskiriamų kiekvienai grupei, toms pačioms populiacijoms, rezultatai, gauti gavus tris modelius, K = 7, buvo suderinti. Kadangi Δ K metodu nustatomas aukščiausias populiacijos struktūros lygis, darome išvadą, kad K = 3 yra pirmasis šernų struktūros lygis visoje Europoje, o tai rodo, kad Europoje yra trys pagrindiniai genų fondai. K = 3 naminės kiaulės yra suskirstytos į Iberijos šernus, o K = 7 (2a pav.) naminės kiaulės visuose trijuose modeliuose aiškiai atskirtos nuo visų šernų, be to, šiame struktūros lygyje buvo keletas aiškiai apibrėžtų šernų grupių. Kalbant apie biologinį išsaugojimą, labai svarbu suprasti rūšies demografinę istoriją ir regioninius struktūros lygius, taip pat ištyrėme žemesnius populiacijos struktūros lygius, vykdydami STRUKTŪRA ankstesnėje analizėje apibrėžtas grupes (2b – h paveikslai).

Pilno dydžio lentelė

Image

Hierarchinis a priori šernų subpopuliacijų pasiskirstymas genetinėse grupėse, gautas naudojant STRUKTŪRA. Rezultatai pateikiami iš eilės mažiau įtraukiantiems važiavimams ( a - h ). Kiekvieną asmenį vaizduoja vertikali linija; plona juoda linija atskiria genotipus nuo skirtingų pogrupių. Kiekvieno STRUKTŪROS bėgimo parametrai pateikti virš tipinės STRUKTŪROS diagramos. „DinBlk“, „Dinaric Balkans“; „PerBlk“, „Peridinariniai Balkanai“; SC_Blk, Pietų Centrinis Balkanas; Cnt_Slo, žemyninė Slovėnija; Lit_Slo, pakrantės Slovėnija; So_Pan, Pietų Panonija; CW_Ibe, Centrinė ir Vakarų Iberija; No_Por, Šiaurės Portugalija; „So_Por“, Pietų Portugalija; Ca_LMa, Castilla la Mancha; Gal, Galisija; Ext, Extremadura; Andalūzija; Ctl_Prz, Castelporziano; CW_Ita, Centrinė ir Vakarų Italija; NW_Ita, šiaurės vakarų Italija; Alpės, Alpės; Sard, Sardinija; CzR, Čekija; Ger, Vokietija; Rom, Rumunija; Rom_Sk, Rumunija ir Slovakija; NW_Ibr, šiaurės vakarų Iberija; CS_Ibr, Centrinė Pietų Iberija; Cnt_Eur, Vidurio Europa; „CntBlk_EEur“, kontinentiniai Balkanai ir Rytų Europa.

Visas dydis

Visuose išbandytuose modeliuose iš šiaurės vakarų Italijos ir Alpių iš anksto apibrėžtos porūšiai reprezentavo vieną genetinį klasterį, tačiau kadangi toje srityje turėjome penkias mėginių ėmimo vietas, mes ištyrėme genetinę struktūrą šioje klasteryje. Mes nustatėme, kad šiaurės vakarų Italijoje yra atskiras genetinis klasteris, o Alpėse - sumaišytas klasteris (2 paveikslas). Visuose trijuose modeliuose „Castelporziano“ + Vidurio vakarų Italija + Slovėnijos pakrantė reprezentavo nuoseklų klasterį, o tolesnės STRUKTŪROS analizės patvirtino K = 3, parodydamos padalijimą į tris mėginių ėmimo vietas (2c paveikslas). Visuose išbandytuose modeliuose šernų pavyzdžiai iš Vidurio Rytų Europos ir Sardinijos buvo suskirstyti tiek į Balkanų, tiek į Iberijos pusiasalius. Todėl mes atlikome STRUKTŪRĄ su mėginiais iš Balkanų (išskyrus Slovėnijos pakrantę), Iberijos, Sardinijos ir Vidurio ir Rytų Europos (2b paveikslas). Atliekant šią analizę buvo atskleistos dvi grupės: (1) Balkanai + mėginiai iš Rumunijos ir Slovakijos ir 2) Iberia + mėginiai iš Sardinijos, Čekijos Respublikos ir Vokietijos. Tolesnė šių dviejų grupių analizė (2e – h pav.) Atskleidė septynis aiškiai skirtingus genetinius klasterius: (1) Dinaric Balkanai, 2) kontinentiniai Balkanai + Rytų Europa (žemyninė Slovėnija, Pietų Pannonia, Rumunija ir Slovakija), (3) Sardinija, (4) Šiaurės vakarų Iberija (Šiaurės Portugalija ir Galisija), (5) Pietų Portugalija, (6) Centrinė Pietų Iberija (Vidurio vakarų Iberija, Extremadura, Kastilija La Mancha ir Andalūzija) ir (7) Vidurio Europa (Čekija ir Vokietija). Ši analizė taip pat parodė dvi susimaišiusios grupes: Peridinarinius Balkanus ir Pietų Centrinį Balkanus.

SAMOVA patvirtinti rezultatai, gauti naudojant STRUCTURE. Paaiškėjo, kad geriausias K buvo 14, o 11 apibrėžtų grupių atitiko a posteriori subpopuliacijas. SAMOVA grupės Peridinariniai Balkanai kartu su kontinentiniu Balkanų regionu + Rytų Europa rezultatai. Centrinės pietų Iberijos gyventojų populiacija SAMOVA analizėje buvo padalyta į dvi grupes: (1) Iberijos centrinė vakarinė dalis + Andalūzija ir (2) Extremadura + Kastilijos la Manča. Mantelio neparametrinis testas, atliktas a posteriori apibrėžtoms grupėms, neparodė reikšmingos koreliacijos tarp posteriori subpopuliacijų genetinių ir geografinių atstumų ( r = –0, 000003).

Genetinė įvairovė ir diferenciacija a posteriori subpopuliacijose

Taip pat buvo apskaičiuoti pagrindiniai genetinės įvairovės parametrai kiekvienai a posteriori subpopuliacijai. Mažiausias alelių, alelinio ir privataus alelinio turtingumo skaičius (atitinkamai 44, 3, 5 ir 0, 028) buvo rastas Castelporziano subpopuliacijoje (2 lentelė). Daugiausia alelių ir didžiausias privačių alelių turtingumas nustatytas Alpėse, o didžiausias alelių turtingumas nustatytas Pietų ir Centrinėje Iberijoje. Visų lokusų heterozigotumas stebėtas nuo 0, 44 iki 0, 72, vidurkis - 0, 65, tuo tarpu numatomas heterozigotumas buvo nuo 0, 46 iki 0, 79, vidurkis - 0, 71. 12 iš 14 posteriori nustatytų subpopuliacijų nuo 1 iki 5 lokusai rodė reikšmingus nukrypimus nuo Hardy – Weinberg pusiausvyros ir tose subpopuliacijose buvo pastebėti teigiami inbredito koeficientai. Iš 13 subpopuliacijų 1–14 porų lokų (iš 55 derinių) buvo sąsajos pusiausvyroje (2 lentelė). Didžiausi Hardy – Weinberg pusiausvyros ir sąsajų pusiausvyros nuokrypiai buvo pastebėti Centrinės Pietų Iberijos ir Alpių subpopuliacijose, taip pat rodo, kad šios subpopuliacijos yra labai gerai sumaišytos. Vidutinis faktinis populiacijos dydis buvo 77, 8 ir svyravo nuo 22 Sardinijoje iki 223, 1 Vidurio Europoje (2 lentelė). Viename iš 14 a posteriori subpopuliacijų (Alpėse) mes pastebėjome, kad NE yra mažesnis už vidutinį harmoninio mėginio dydį. AMOVA rodė didesnį intrapopuliacijos (92, 6%) nei tarppopuliacijos (7, 4%) kintamumą ( P <0, 001). Genetiniai atstumai tarp porūšių porų visada buvo labai reikšmingi ( P <0, 001). Daugiausia apskaičiuotų verčių atitiko vidutinio ir aukšto lygio genetinę diferenciaciją (Wright, 1978). Tik 17 iš 91 derinių buvo žemas genetinės diferenciacijos lygis (3 paveikslas).

Pilno dydžio lentelė

Image

14 a posteriori apibrėžtų šernų subpopuliacijų genetinė diferenciacija (poromis F ST ). Spalvos gradientas parodo genetinės diferenciacijos laipsnį: žemas F ST <0, 05, vidutinis 0, 05 < F ST <0, 15, didelis 0, 15 < F ST <0, 25 ir labai didelis, kai F ST > 0, 25, pagal genetinės diferenciacijos kriterijų pagal Wrightas (1978). „DinBlk“, „Dinaric Balkans“; „PerBlk“, „Peridinariniai Balkanai“; SC_Blk, Pietų Centrinis Balkanas; „CntBlk_EEur“, kontinentiniai Balkanai ir Rytų Europa; Lit_Slo, pakrantės Slovėnija; CS_Ibr, Centrinė Pietų Iberija; NW_Ibr, šiaurės vakarų Iberija; „So_Por“, Pietų Portugalija; Ctl_Prz, Castelporziano; CW_Ita, Centrinė ir Vakarų Italija; NW_Ita, šiaurės vakarų Italija; Alpės, Alpės; Sard, Sardinija; Cnt_Eur, Vidurio Europa.

Visas dydis

Trūkstamų vietų ir kryptinio migracijos srauto įrodymai

Teta vertėms, svyruojančioms nuo 0, 01 iki 5, buvo rasta reikšmingų trūkumų įrodymų ( M mėginio vertė mažesnė už kritinę M c vertę) šioms pogrupiams: Slovėnijos pakrantė, Sardinija, Castelporziano, Pietų Portugalija ir Šiaurės vakarų Iberija (4 paveikslas). . Mes taip pat radome reikšmingų įrodymų, kad Peridinarikos Balkanuose teta buvo nuo 0, 01 iki 1. Šiai subpopuliacijai ir teta = 5 M mėginio vertė buvo mažesnė už pusiausvyros populiacijų vidutinę M a vertę, bet buvo didesnė už kritinę M c vertę. Nei viename iš a posteriori subpopuliacijų nebuvo pastebėtas reikšmingas heterozigotiškumo perteklius, kurio tikimasi populiacijose, kuriose yra trūkumų (Cornuet ir Luikart, 1996). Tačiau septyniuose šernų subpopuliacijose stebėjome heterozigotų trūkumą (4 pav.).

Image

M santykio vertės visoms a posteriori apibrėžtoms subpopuliacijoms. Kritinės vertės ( M c ), žemiau kurių populiacijos laikomos turinčiomis reikšmingų kliūties įrodymų, ir pusiausvyros populiacijų vidutinės ( M a ) vertės pateikiamos skirtingoms teta vertėms. Skirtingų regionų porūšiai vaizduojami didėjančia imties dydžio tvarka ir skirtingais simboliais: Iberija (balti apskritimai); Italija (pilki apskritimai); Balkanai (juodi apskritimai); ir Vidurio Europa (pilki trikampiai). Simbolis „ D “ žymi reikšmingą heterozigotinį trūkumą, aptiktą naudojant programinę įrangą BOTTLENECK. „DinBlk“, „Dinaric Balkans“; „PerBlk“, „Peridinariniai Balkanai“; SC_Blk, Pietų Centrinis Balkanas; „CntBlk_EEur“, kontinentiniai Balkanai ir Rytų Europa; Lit_Slo, pakrantės Slovėnija; CS_Ibr, Centrinė Pietų Iberija; NW_Ibr, šiaurės vakarų Iberija; „So_Por“, Pietų Portugalija; Ctl_Prz, Castelporziano; CW_Ita, Centrinė ir Vakarų Italija; NW_Ita, šiaurės vakarų Italija; Alpės, Alpės; Sard, Sardinija; Cnt_Eur, Vidurio Europa.

Visas dydis

Vidutiniškai diferenciacijos įverčiai remiantis G ST (vidurkis: 0, 060; diapazonas: 0, 011–0, 181) ir D (vidurkis: 0, 264; diapazonas: 0, 051–0, 560) buvo žemi (papildomi S3 ir S4 skaičiai), vertinant demografinius rodiklius. parametrus (Alcala ir kt., 2014). Migracijos dinamikos analizė atskleidė šiuos modelius, neatsižvelgiant į diferenciacijos statistiką: (1) intensyvūs santykiniai migracijos srautai tarp šernų subpopuliacijų (papildomi S5 – S7 paveikslai), daugiausia labiau sumaišytose ir mažiau periferinėse subpopuliacijose (pvz., Čekija ir Vokietija, kontinentiniai Balkanai ir Rytų Europa, Centrinė Pietų Iberija, Alpės); (2) significant relative migration flows (Figure 5 and Supplementary Figures S8–S10), with some subpopulations functioning systematically as source of migration flows (Littoral Slovenia, Castelporziano, Sardinia, South Portugal) whereas others functioning systematically as sinks (Peridinaric Balkans, South Central Balkans, Alps or Central South Iberia); and (3) no evidence of significant relative migration flow between Iberian domestic pig breeds and wild boar subpopulations ( N m ) or significant only from wild boar to domestic pig ( G ST and D ).

Image

Network of relative migration levels between subpopulations, using the N m parameter. Only significant (after 49 999 bootstrap replicates) relative migration levels were plotted in the network. Arrows indicate the direction of gene flow. The numbers on arrows indicate relative migration coefficients. Subopulations are coded by colours: Balkans, dark grey; Iberia, white; Italy, black; Continental Europe, light grey. Codes for source populations are written in bold and underlined, and for sink populations are written in italics. DinBlk, Dinaric Balkans; PerBlk, Peridinaric Balkans; SC_Blk, South Central Balkans; Cnt_Slo, Continental Slovenia; Lit_Slo, Littoral Slovenia; So_Pan, South Pannonia; CW_Ibe, Central-western Iberia; No_Por, North Portugal; So_Por, South Portugal; Ca_LMa, Castilla la Mancha; Gal, Galicia; Ext, Extremadura; And, Andalusia; Ctl_Prz, Castelporziano; CW_Ita, Central-western Italy; NW_Ita, North-western Italy; Alps, Alps; Sard, Sardinia; CzR, Czech Republic; Ger, Germany; Rom, Romania; Rom_Sk, Romania and Slovakia; NW_Ibr, North-western Iberia; CS_Ibr, Central South Iberia; Cnt_Eur, Central Europe; CntBlk_EEur, Continental Balkans and Eastern Europe; Do_Pigs, domestic pig breeds.

Visas dydis

Diskusija

Genetic structure and migration patterns of wild boars in the Balkans and Europe

Previous genetic studies of wild boars in Europe have shown that populations are rarely homogenous and usually genetically differentiated into subpopulations (Ferreira et al., 2006, 2009; Scandura et al., 2008, 2011a; Nikolov et al., 2009; Veličković et al., 2012, 2015; Iacolina et al., 2016). Thus, the first step in our comprehensive analysis was an assessment of genetic structure. The existence of three gene pools in Europe was revealed. The geographical distribution of the three clusters appears to be consistent with genetic differentiation among the three southern European peninsulas (Balkans, Italy and Iberia), whereas Central-eastern Europe evidences the admixture of the three gene pools. These findings provide support to the hypothesis stated by Veličković et al. (2015) that all three refugees could have had a role in the postglacial recolonization of Europe. Furthermore, hierarchical AMOVA with a priori subpopulations showed more differentiation among populations within peninsulas than among peninsulas, suggesting that there are distinct gene pools in the peninsulas, but there are common elements across all Europe. It may be concluded that some subpopulations establish the bridge among European regions, consistent with a scenario of 'refugial populations' and 'source populations to the recolonization of Europe' in the same regions, and fitting 'leading edge hypothesis' proposed by Alexandri et al. (2012) and Veličković et al. (2015). In detail, structure analysis allowed us to define 14 wild boar subpopulations, among which we found both isolated, genetically distinct subpopulations and admixed subpopulations (for example, Alps, Central South Iberia, Peridinaric Balkans). A possible explanation for the admixed nature of Italian Alps subpopulation can be the historical records reporting the recolonization of North-western Italy by wild boars coming from France since 1919 (De Beaux and Festa, 1927).

We identified subpopulations that exhibited gene flow with Central-eastern European subpopulations, whereas others are exclusively peninsular and nonadmixed. This is the case of some Italian subpopulations, such as Castelporziano and Sardinia, that are well known for their distinctive genetic assembly, such as the presence of E2 mitochondrial DNA clade haplotypes (Scandura et al., 2008; Vilaça et al., 2014). Similar pattern was revealed in our study for two subpopulations on the Balkans (Littoral Slovenia and Dinaric Balkans) and two on Iberia (South Portugal and North-western Iberia) that had not before been identified as distinct genetic clusters.

These patterns are also consistent with the detected migration flows. As expected, according to the leading edge hypothesis, more intense relative migration flows were detected within less peripheral, more admixed, peninsular and central European subpopulations. However, there were no significant relative migration flows within these subpopulations. On the other hand, subpopulations like Littoral Slovenia, Castelporziano, Sardinia or South Portugal were systematically identified as source populations for less peripheral subpopulations, although these latter subpopulations, more closely related with continental and other peninsular subpopulations, appear to function as sink populations. This source–sink dynamics occurred frequently among regions, and more rarely within peninsulas.

These results appear counterintuitive, if we assume that the net gene flow coming from the refugial subpopulations is contemporary. Namely, Sardinia is an island and Castelporziano is a fenced subpopulation. However, we suspect that this pattern probably reflects historical contributions related with the Last Glacial Maximum (LGM) and is consistent with the leading edge hypothesis of wild boar recolonization of Europe (Alexandri et al., 2012; Veličković et al., 2015). No significant directional migration flows were detected among continental and nonrefugial peninsular subpopulations because migration, within these subpopulations, should have been essentially symmetric. This should be true, even if the flows were asynchronous: a first migration flow from north to south, towards the peninsulas, and then backwards, towards continental Europe, as suggested by Veličković et al. (2015). If the hypothesis advanced by these authors is correct, more peripheral (refugial) peninsular subpopulations should have had a minor role in these migratory exchanges. Nevertheless, the results here presented suggest that even these refugial subpopulations were net contributors to the contemporary gene pool of other peninsular and continental wild boar subpopulations. The paradigm of postglacial colonization patterns has been challenged in various species based on wider sampling across refugial areas, and this is particularly the case in Iberia and the Balkans. Instead of regarding them as continuous and homogenous refugial areas, each of those peninsulas seems to contain genetically diverse groups of populations, leading to a more recent 'refugia within refugia' concept (Gomez and Lunt, 2007; Feliner, 2011).

A genetic snapshot of wild boar subpopulations in the Balkans and Europe

Because of the presence of distinct subpopulations, the Balkans and other southern European peninsulas seem to harbour a greater extent of wild boar genetic diversity in Europe. However, these subpopulations are not necessarily more diverse per se . In fact, these relict subpopulations are characterized by lower numbers of alleles, allelic richness, private allelic richness and levels of expected heterozygosity compared with less peripheral subpopulations. This is probably a consequence of the admixture process itself, as admixed subpopulations are influenced by different gene pools. As expected, levels of linkage disequilibrium and Hardy–Weinberg deviations were also higher in central and eastern European subpopulations and peninsular subpopulations of admixed origin. We did not find similar patterns for the levels of inbreeding that varied almost 10-fold among southern peninsular subpopulations. The significantly high F IS values may also indicate the excess of homozygosity, not only related to inbreeding, but also as a result of admixture of different gene pools that is shown for Alps and Central South Iberia subpopulations. The estimated effective population size was higher than harmonic mean sample size for all subpopulations, except Alps that can be consequence of deviation from linkage disequilibrium observed in this subpopulation.

Evidence of bottlenecks was biased towards southern subpopulations, with Sardinia, Littoral Slovenia, Castelporziano, South Portugal and North-western Iberia presenting significant evidence of bottlenecks. This evidence came solely from the Garza and Williamson (2001) approach, suggesting that we might be looking at older and longer bottlenecks (Williamson-Natesan, 2005). We could be tempted to interpret these results as an evidence of bottlenecks occurring during the LGM (Veličković et al., 2015). However, two arguments challenge this interpretation: (1) in this case, we should expect the opposite pattern: peninsular subpopulations would be less affected by LGM population bottlenecks than subpopulations from higher latitudes; (2) M ratio should recover almost completely before 500 generations had passed after the bottleneck, and hence this method would not be able to detect bottlenecks >1000 years old (Garza and Williamson, 2001). A different interpretation is that the observed patterns are a consequence of more recent bottlenecks, like those resulting from generalized overhunting across Europe during the nineteenth and early twentieth centuries (Fonseca, 2004; Ferreira et al., 2009; Apollonio et al., 2010; Scandura et al., 2011a). Indeed, the effects of these bottlenecks should be more evident in smaller populations, occupying smaller geographic ranges, that would be more vulnerable to stochastic events and genetic drift than larger and more widespread populations.

The significant evidence of heterozygosity deficiency found in several subpopulations (Figure 4) might be an evidence of recent population expansions (Cornuet and Luikart, 1996). This decline followed by expansion is actually documented for Castelporziano (Imperio et al., 2010) and South Portugal (Vingada et al., 2010) subpopulations. Despite prior evidence of a global wild boar population expansion across Europe after the LGM (Veličković et al., 2015), we suspect that the signal for population expansions detected here is linked to much more recent events, such as the expansion occurring across Europe in recent decades (Massei et al., 2015). It is therefore possible that wild boar in Europe has gone through two large and widespread bottlenecks: an historical one at the LGM (Veličković et al., 2015), and a more recent one probably related with generalized overhunt in Europe, as evidenced here, through the use of fast-evolving microsatellite markers.

Management units and cross-border management of wild boars in Europe

This study highlights two important issues about wild boar conservation and management: (1) European wild boars are divided into several subpopulations; (2) the distribution range of several subpopulations crosses national borders, particularly in the Balkans where most of the subpopulations are distributed across borders.

The identification of different biological populations is highly relevant for defining conservation or management units. Population or disease monitoring and control and culling plans by local hunting associations or forestry services have better chances of success if applied to biological rather than administrative units. As an example, the three genetic clusters previously identified in Portugal (Ferreira et al., 2009) show very good agreement with the division of wild boar into three distinct management units based on ecological differences (that is, phenology) (Fonseca, 2004). According to these authors, more effective management would be achieved if culling plans and hunting seasons were defined at regional level rather than at a national level.

Integrating national approaches into cross-border management is one of the major current conservation challenges (Fonseca et al., 2014). We provide a first insight into potential cross-border wild boar's management units across Europe. For what concern the Balkans, we found five genetic clusters, one of which (Continental Balkans and Eastern Europe) includes territory in five countries: Serbia, Croatia, Slovenia, Romania and Slovakia. The ranges of another two Balkan subpopulations also span different countries: (1) the Dinaric Balkans subpopulation includes wild boars from Bosnia and Herzegovina and Montenegro; (2) the South Central Balkans subpopulation includes wild boars from the southern part of Serbia and from FYR Macedonia. Thus, the specific emphasis should be put on transboundary management in this region and should involve the authorities of different countries. The Littoral Slovenia is clearly divergent from other wild boars collected in Slovenia and, at the higher level of structuring, it is more related to Italian subpopulations (Castelporziano and North-western Italy; Table 1 and Figure 2). The wild boars from this region are also phenotypically different. These boars have been characterized as having 'small boars' because of low body weight during the entire lifecycle, and accordingly investigations were probably introduced into this part of Slovenia from Italy (Sila and Koren, 2010). In addition, there are evidences of natural colonization of Western Italian Alps from wild boars coming from Slovenia in the 1950s and 1960s of the past century (Monaco et al., 2007). Thus, it should be important that future management of Slovenian and Italian subpopulations include authorities of both countries.

Can humans manage wild boars or do we need another glaciation?

Recent studies are unanimous in stating that human actions might have a strong impact on the demography but a limited impact on the genetic make-up of the European wild boar (Scandura et al., 2008, 2011b; Vilaça et al., 2014; Veličković et al., 2015), despite the existing evidence of introgression of domestic gene pool into wild boar populations (Koutsogiannouli et al., 2010; Goedbloed et al., 2013) and from wild boar into domestic stocks (Frantz et al., 2015). There is a growing body of evidence that patterns of genetic diversity and structure of wild boar in Europe have mostly been shaped by Quaternary climate fluctuations (Scandura et al., 2008; Vilaça et al., 2014; Veličković et al., 2015). This does not mean that human actions, such as long-distance translocations, overhunting or hybridization with domestic pig breeds, do not interfere with the gene pools of European wild boar subpopulations. However, these actions seem to be relevant mostly on a local scale. On the other hand, the evidence of recent bottleneck reported here is probably related with human-mediated and widespread population decline across Europe, in the beginning of the past century. However, the structure and migration patterns of wild boar populations are consistent with a 'refugia within refugia' theory (Gomez and Lunt, 2007; Feliner, 2011) and, this way, preserve the genetic signature of more ancient events.

The population genetic structure and genetic diversity of wild boars in Europe we detail here provides unique information for the development of management strategies aimed to maintain the highest possible level of genetic variation across the species distribution. Particular attention should be paid to locally isolated subpopulations such as Castelporziano, Sardinia, Littoral Slovenia, North-western Iberia and South Portugal. Smaller, less diverse and peripheral subpopulations are probably more susceptible to the effect of maladaptative hybridization with domestic stocks (Lowe et al., 2015). In conclusion, each defined subpopulation should be managed in an integrative way, embedded on the concept of cross-border management plans. Despite the limited overall impact confirmed by the present study, wild boar management in Europe should avoid translocations, because of not only genetic concerns, but also sanitary concerns as wild boar is a well-known tuberculosis vector and carrier of other infectious diseases.

Data archiving

The data used in the present study available from the Dryad Digital Repository: //dx.doi.org/10.5061/dryad.jm090. The deposit file contains microsatellite genotypes for each sample.

Papildoma informacija

„Word“ dokumentai

  1. 1.

    Papildoma S1 lentelė

PDF failai

  1. 1.

    Papildomas S2 paveikslas

  2. 2.

    Supplementary Figure S3-S10

    Supplementary Information accompanies this paper on Heredity website (//www.nature.com/hdy)