DNA Barcodes for the FIshes of the Narmada, One of India’s Longest Rivers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study describes the species diversity of fishes of the Narmada River in India. A total of 820 fish specimens were collected from 17 sampling locations across the whole river basin. Fish were taxonomically classified into one of 90 possible species based on morphological characters, and then DNA barcoding was employed using COI gene sequences as a supplemental identification method. A total of 314 different COI sequences were generated, and specimens were confirmed to belong to 85 species representing 63 genera, 34 families and 10 orders. Findings of this study include the identification of five putative cryptic or sibling species and 43 species not previously known from the Narmada River basin. Five species are endemic to India and three are introduced species that had not been previously reported to occur in the Narmada River. Conversely, 43 species previously reported to occur in the Narmada were not found. Genetic diversity and distance values were generated for all of the species within genera, families and orders using Kimura's 2 parameter distance model followed by the construction of a Neighbor Joining tree. High resolution clusters generated in NJ trees aided the groupings of species corresponding to their genera and families which are in confirmation to the values generated by Automatic Barcode Gap Discovery bioinformatics platform. This aided to decide a threshold value for the discrimination of species boundary from the Narmada River. This study provides an important validation of the use of DNA barcode sequences for monitoring species diversity and changes within complex ecosystems such as the Narmada River.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 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 découle