<scp>DNA</scp> barcoding the genus <i>Chara</i>: molecular evidence recovers fewer taxa than the classical morphological approach
Notice bibliographique
Résumé
Charophytes (Charales) are benthic algae with a complex morphology. They are vulnerable to ecosystem changes, such as eutrophication, and are red-listed in many countries. Accurate identification of Chara species is critical for understanding their diversity and for documenting changes in species distribution. Species delineation is, however, complicated, because of high phenotypic plasticity. We used barcodes of the ITS2, matK and rbcL regions to test if the distribution of barcode haplotypes among individuals is consistent with species boundaries as they are currently understood. The study included freshly collected and herbarium material of 91 specimens from 10 European countries, Canada and Argentina. Results showed that herbarium specimens are useful as a source of material for genetic analyses for aquatic plants like Chara. rbcL and matK had highest sequence recoverability, but rbcL had a somewhat lower discriminatory power than ITS2 and matK. The tree resulting from the concatenated data matrix grouped the samples into six main groups contrary to a traditional morphological approach that consisted of 14 different taxa. A large unresolved group consisted of C. intermedia, C. hispida, C. horrida, C. baltica, C. polyacantha, C. rudis, C. aculeolata, and C. corfuensis. A second unresolved group consisted of C. virgata and C. strigosa. The taxa within each of the unresolved groups shared identical barcode sequences on the 977 positions of the concatenated data matrix. The morphological differences of taxa within both unresolved groups include the number and length of spine cells, stipulodes, and bract cells. We suggest that these morphological traits have less taxonomic relevance than hitherto assumed.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».