MétaCan
Menu
Retour à la cohorte
Enregistrement W1984516594 · doi:10.1111/j.1471-8286.2007.01998.x

DNA barcoding in surveys of small mammal communities: a field study in Suriname

2007· article· en· W1984516594 sur OpenAlexafffund
Alex Borisenko, Burton K. Lim, Natalya Ivanova, Robert Hanner, Paul D. N. Hebert

Notice bibliographique

RevueMolecular Ecology Resources · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of GuelphRoyal Ontario Museum
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Innovation TrustOntario Genomics InstituteGenome CanadaGordon and Betty Moore Foundation
Mots-clésDNA barcodingBarcodeBiologySampling (signal processing)Environmental DNAOversamplingRainforestEcologyZoologyEvolutionary biologyBiodiversityComputer science

Résumé

récupéré en direct d'OpenAlex

The performance of DNA barcoding as a tool for fast taxonomic verification in ecological assessment projects of small mammals was evaluated during a collecting trip to a lowland tropical rainforest site in Suriname. We also compared the performance of tissue sampling onto FTA CloneSaver cards vs. liquid nitrogen preservation. DNA barcodes from CloneSaver cards were recovered from 85% of specimens, but DNA degradation was apparent, because only 36% of sequence reads were long (over 600 bp). In contrast, cryopreserved tissue delivered 99% barcode recovery (97% > 600 bp). High humidity, oversampling or tissue type may explain the poor performance of CloneSaver cards. Comparison of taxonomic assignments made in the field and from barcode results revealed inconsistencies in just 3.4% of cases and most of the discrepancies were due to field misidentifications (3%) rather than sampling/analytical error (0.5%). This result reinforces the utility of DNA barcoding as a tool for verification of taxonomic identifications in ecological surveys, which is especially important when the collection of voucher specimens is not possible.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,100
Score d'incertitude au seuil0,200

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,257
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations201
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular Ecology ResourcesMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207