Abstract NeEstimator v2 is a completely revised and updated implementation of software that produces estimates of contemporary effective population size, using several different methods and a single input file. NeEstimator v2 includes three single‐sample estimators (updated versions of the linkage disequilibrium and heterozygote‐excess methods, and a new method based on molecular coancestry), as well as the two‐sample (moment‐based temporal) method. New features include the following: (i) an improved method for accounting for missing data; (ii) options for screening out rare alleles; (iii) confidence intervals for all methods; (iv) the ability to analyse data sets with large numbers of genetic markers (10 000 or more); (v) options for batch processing large numbers of different data sets, which will facilitate cross‐method comparisons using simulated data; and (vi) correction for temporal estimates when individuals sampled are not removed from the population (Plan I sampling). The user is given considerable control over input data and composition, and format of output files. The freely available software has a new JAVA interface and runs under Mac OS , Linux and Windows.

In many marine species, high levels of gene flow ensure that the genetic signal from population differentiation is weak. As a consequence, various errors associated with estimating population genetic parameters that might normally be safely ignored assume a relatively greater importance. This fact has important implications for the use of genetic data to address two common questions in fishery conservation and management: (1) How many stocks of a given species are there? and (2) How much gene flow occurs among stocks? This article discusses strategies to maximize the signal:noise ratio in genetic studies of marine species and suggests a quantitative method to correct for bias due to a common sampling problem. For many marine species, however, genetic methods alone cannot fully resolve these key management questions because the amount of migration necessary to eliminate most genetic evidence of stock structure (only a handful of individuals per generation) will generally be inconsequential as a force for rebuilding depleted populations on a time scale of interest to humans. These limitations emphasize the importance of understanding the biology and life history of the target species-first, to guide design of the sampling program, and second, so that additional information can be used to supplement indirect estimates of migration rates based on genetic data.

Abstract Genetic methods are routinely used to estimate contemporary effective population size ( N e ) in natural populations, but the vast majority of applications have used only the temporal (two‐sample) method. We use simulated data to evaluate how highly polymorphic molecular markers affect precision and bias in the single‐sample method based on linkage disequilibrium (LD). Results of this study are as follows: (1) Low‐frequency alleles upwardly bias , but a simple rule can reduce bias to <about 10% without sacrificing much precision. (2) With datasets routinely available today (10–20 loci with 10 alleles; 50 individuals), precise estimates can be obtained for relatively small populations ( N e < 200), and small populations are not likely to be mistaken for large ones. However, it is very difficult to obtain reliable estimates for large populations. (3) With ‘microsatellite’ data, the LD method has greater precision than the temporal method, unless the latter is based on samples taken many generations apart. Our results indicate the LD method has widespread applicability to conservation (which typically focuses on small populations) and the study of evolutionary processes in local populations. Considerable opportunity exists to extract more information about N e in nature by wider use of single‐sample estimators and by combining estimates from different methods.

Abstract The temporal method for estimating effective population size (Ne) from the standardized variance in allele frequency change (F) is presented in a generalized form. Whereas previous treatments of this method have adopted rather limiting assumptions, the present analysis shows that the temporal method is generally applicable to a wide variety of organisms. Use of a revised model of gene sampling permits a more generalized interpretation of Ne than that used by some other authors studying this method. It is shown that two sampling plans (individuals for genetic analysis taken before or after reproduction) whose differences have been stressed by previous authors can be treated in a uniform way. Computer simulations using a wide variety of initial conditions show that different formulas for computing F have much less effect on Ne than do sample size (S), number of generations between samples (t), or the number of loci studied (L). Simulation results also indicate that (1) bias of F is small unless alleles with very low frequency are used; (2) precision is typically increased by about the same amount with a doubling of S, t, or L; (3) confidence intervals for Ne computed using a chi 2 approximation are accurate and unbiased under most conditions; (4) the temporal method is best suited for use with organisms having high juvenile mortality and, perhaps, a limited effective population size.

Analysis of linkage disequilibrium ( $$\hat{r}^2$$ =mean squared correlation of allele frequencies at different gene loci) provides a means of estimating effective population size (N e) from a single sample, but this method has seen much less use than the temporal method (which requires at least two samples). It is shown that for realistic numbers of loci and alleles, the linkage disequilibrium method can provide precision comparable to that of the temporal method. However, computer simulations show that estimates of N e based on $$\hat{r}^2$$ for unlinked, diallelic gene loci are sharply biased downwards ( $$\hat{N}_{\rm e}/N <0.1$$ in some cases) if sample size (S) is less than true N e. The bias is shown to arise from inaccuracies in published formula for $$E(\hat{r}^2)$$ when S and/or N e are small. Empirically derived modifications to $$E(\hat{r}^2)$$ for two mating systems (random mating and lifetime monogamy) effectively eliminate the bias (residual bias in $$\hat{N}_{\rm e}<5$$ % in most cases). The modified method also performs well in estimating N e in non-ideal populations with skewed sex ratio or non-random variance in reproductive success. Recent population declines are not likely to seriously affect $$\hat{N}_{\rm e}$$ , but if N has recently increased from a bottleneck $$\hat{N}_{\rm e}$$ can be biased downwards for a few generations. These results should facilitate application of the disequilibrium method for estimating contemporary N e in natural populations. However, a comprehensive assessment of performance of $$\hat{r}^2$$ with highly polymorphic markers such as microsatellites is needed.

Ten species of marine shore fishes with a wide range of life-history strategies were collected from four areas in southern California, U.S.A., and Baja California, Mexico, and examined for patterns of genetic differentiation. Multilocus D and FST values (based on 32-42 presumptive gene loci in each species) were both negatively correlated with estimated dispersal capability. These results were robust to variations in the number and type of loci used in the analysis and are compatible with the hypothesis that levels of genetic differentiation in these shore fishes are determined primarily by gene flow and genetic drift. There is no a priori reason to expect the observed correlation to result from natural selection or historical factors. The findings thus suggest that populations of these shore fishes are in at least a quasi-equilibrium with respect to migration, mutation, and genetic drift. Present data were also used to compare estimates of mNe obtained by three different methods. Estimates based on FST values calculated by the methods of Nei and Chesser (FST(N) ) and Weir and Cockerham (FST(W) ) were highly correlated, but FST(N) ≤ FST(W) for every species, leading to generally higher mNe estimates for Nei and Chesser's method. Estimates of mNe based on the frequency of private alleles (Slatkin, 1985a) were not as strongly correlated with dispersal capability as were FST and D values. A low incidence of private alleles in many species may be responsible for this relatively weak correlation and may limit the general usefulness of Slatkin's method. In spite of their sensitivity to natural selection, FST and D may be better indicators of relative gene flow levels for high gene flow species.

Phenotypic plasticity plays a key role in modulating how environmental variation influences population dynamics, but we have only rudimentary understanding of how plasticity interacts with the magnitude and predictability of environmental variation to affect population dynamics and persistence. We developed a stochastic individual-based model, in which phenotypes could respond to a temporally fluctuating environmental cue and fitness depended on the match between the phenotype and a randomly fluctuating trait optimum, to assess the absolute fitness and population dynamic consequences of plasticity under different levels of environmental stochasticity and cue reliability. When cue and optimum were tightly correlated, plasticity buffered absolute fitness from environmental variability, and population size remained high and relatively invariant. In contrast, when this correlation weakened and environmental variability was high, strong plasticity reduced population size, and populations with excessively strong plasticity had substantially greater extinction probability. Given that environments might become more variable and unpredictable in the future owing to anthropogenic influences, reaction norms that evolved under historic selective regimes could imperil populations in novel or changing environmental contexts. We suggest that demographic models (e.g. population viability analyses) would benefit from a more explicit consideration of how phenotypic plasticity influences population responses to environmental change.

Abstract Bayesian methods have become extremely popular in molecular ecology studies because they allow us to estimate demographic parameters of complex demographic scenarios using genetic data. Articles presenting new methods generally include sensitivity studies that evaluate their performance, but they tend to be limited and need to be followed by a more thorough evaluation. Here we evaluate the performance of a recent method, bayesass , which allows the estimation of recent migration rates among populations, as well as the inbreeding coefficient of each local population. We expand the simulation study of the original publication by considering multi‐allelic markers and scenarios with varying number of populations. We also investigate the effect of varying migration rates and F ST more thoroughly in order to identify the region of parameter space where the method is and is not able to provide accurate estimates of migration rate. Results indicate that if the demographic history of the species being studied fits the assumptions of the inference model, and if genetic differentiation is not too low ( F ST ≥ 0.05), then the method can give fairly accurate estimates of migration rates even when they are fairly high (about 0.1). However, when the assumptions of the inference model are violated, accurate estimates are obtained only if migration rates are very low ( m = 0.01) and genetic differentiation is high ( F ST ≥ 0.10). Our results also show that using posterior assignment probabilities as an indication of how much confidence we can place on the assignments is problematical since the posterior probability of assignment can be very high even when the individual assignments are very inaccurate.

The potential for genetic interactions between hatchery and wild populations of salmonids in northwestern North America has increased considerably in recent decades. Efforts to mitigate severe losses to many wild stocks caused by overfishing, destruction of habitat, and blockage of migratory routes have focussed on boosting artificial production in public hatcheries. Opportunities for genetic interactions between hatchery and wild fish will increase if efforts to supplement wild production with hatchery-reared fish continue. Concerns center on three issues: (1) direct genetic effects (caused by hybridization and introgression); (2) indirect genetic effects (principally due to altered selection regimes or reductions in population size caused by competition, predation, disease, or other factors); and (3) genetic changes to hatchery stocks (through selection, drift, or stock transfers), which magnify the consequences of hybridization with wild fish. Strategies for minimizing these genetic risks and monitoring the consequences of various management options are discussed, and some important areas for future research are identified.

Testing for Hardy–Weinberg proportions (HWP) is routine in almost all genetic studies of natural populations, but many researchers do not demonstrate a full understanding of the purposes of these tests or how to interpret the results. Common problems include a lack of understanding of statistical power and the difference between statistical significance and biological significance, how to interpret results of multiple tests, and how to distinguish between various factors that can cause statistically significant departures. In this perspective, which focuses on analysis of genetic data for nonmodel species, I 1) review factors that can cause departures from HWP at individual loci and linkage disequilibrium (LD) at pairs of loci; 2) discuss commonly used tests for HWP and LD, with an emphasis on multiple-testing issues; 3) show how to distinguish among possible causes of departures from HWP; and 4) outline some simple steps to follow when significant test results are found. Finally, I 5) identify some issues that merit particular attention as we move into an era in which analysis of genomics-scale datasets for nonmodel species is commonplace.