Spatial patterns of plant diversity below‐ground as revealed by DNA barcoding
Notice bibliographique
Résumé
Our understanding of the spatial organization of root diversity in plant communities and of the mechanisms of community assembly has been limited by our ability to identify plants based on root tissue, especially in diverse communities. Here, we test the effectiveness of the plastid gene rbcL, a core plant DNA barcoding marker, for investigating spatial patterns of root diversity, and relate observed patterns to above-ground community structure. We collected 3800 root fragments from four randomly positioned, 1-m-deep soil profiles (two vertical transects per plot), located in an old-field community in southern Ontario, Canada, and extracted and sequenced DNA from 1531 subsampled fragments. We identified species by comparing sequences with a DNA barcode reference library developed previously for the local flora. Nearly 85% of sampled root fragments were successfully sequenced and identified as belonging to 29 plant species or species groups. Root abundance and species richness varied in horizontal space and were negatively correlated with soil depth. The relative abundance of taxa below-ground was correlated with their frequency above-ground (r = 0.73, P = 0.0001), but several species detected in root tissue were not observed in above-ground quadrats. Multivariate analyses indicated that diversity was highly structured below-ground, and associated with depth, root morphology, soil chemistry and soil texture, whereas little structure was evident above-ground. Furthermore, analyses of species co-occurrence indicates strong species segregation overall but random co-occurrence among confamilials. Our results provide insights into the role of environmental filtering and competitive interactions in the organization of plant diversity below-ground, and also demonstrate the utility of barcoding for the identification of plant roots.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».