A laboratory guide for generating DNA barcodes in grasses: a case study of<i>Leptochloa</i>s.l. (Poaceae: Chloridoideae)
Notice bibliographique
Résumé
There is no easy way to identify to species, a small, vegetative leaf or culm sample of a grass and there are more than 12,000 species in this large, important family. The long-range aim of our study is to produce a standard DNA barcode library available to the public for all grasses (±1960 species) in North America (includes all Canada, Mexico and USA) that will facilitate the easy identification of these morphologically cryptic species. We provide a detailed protocol of the laboratory procedures for DNA extraction in grasses and the DNA-specific primers used for the polymerase chain reaction (PCR) enabling the laboratory work to be performed in any well-supplied molecular laboratory. In this paper we present a test of four barcodes [matK, rbcL, rpl32-trnL and internal transcribed spacer (ITS)] to discriminate among 50 taxa of grasses (55 samples), predominately in the subfamily Chloridoideae, and we used a tree-based method to identify relationships among species of Leptochloa sensu lato. The sequence divergence or discriminatory power based on uncorrected p-value, among the four DNA sequence markers was greatest in ITS (96%), followed by rpl32-trnL (25.6%), matK (3.0%) and rbcL (0.0%). matK was twice as effective in discriminating among the species compared with rbcL; rpl32-trnL was nearly 3.4 times better than rbcL; and nuclear rDNA ITS was 14 times better than rbcL. There are significant threshold levels of 0.0682 for ITS and 0.0732 for ITS + rpl32-trnL between intrageneric and intergeneric sequence divergences within the 16 species of Dinebra and between Dinebra and Diplachne, Disakisperma and Leptochloa sensu stricto. In our tree-based analyses of Leptochloa s.l. the following number of nodes with strong support (PP = 0.95−1.00) were successfully recovered (in descending order): combined ITS + rpl32-trnL, 43; ITS, 34; rp32-trnL, 27; matK, 19; and rbcL, 3.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,085 |
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 ».