An Example of How Barcodes Can Clarify Cryptic Species: The Case of the Calanoid Copepod Mastigodiaptomus albuquerquensis (Herrick)
Notice bibliographique
Résumé
BACKGROUND: The freshwater calanoid Mastigodiaptomus is a genus with high richness in the Americas and is composed of nine species, seven recorded in Mexico and four that are apparently endemic to small areas. Mastigodiaptomus albuquerquensis is a common, widely distributed species ranging from the southern USA to Central America. This species can be easily identified by a notable butterfly-like sclerotization on the basis of the right fifth leg of males. Nevertheless, morphological differences observed among populations throughout this species distributional range have led to the description of several related species or subspecies, such as M. albuquerquensis patzcuarensis from Lake Pátzcuaro in the Central Plateau of Mexico. METHODS: Genetic results based on barcodes, morphology based on scanning electron and light microscopy images, and morphometric analyses were used to describe cryptic species within the M. albuquerquensis complex. RESULTS: The morphological analyses coincided partially with the genetic markers, suggesting the existence of at least two sibling species: M. albuquerquensis s. str. and M. patzcuarensis. A third species was genetically separated but was morphologically indistinguishable from the M. patzcuarensis group. CONCLUSIONS: Hidden diversity has been a major problem in establishing real patterns of species distribution and genetic acquisition from megadiverse hotspots such as Mexico, where the Nearctic and the Neotropical regions of the Americas meet. Barcodes can help taxonomists to reveal and formally name these new species. Here, we describe two of three potential species highlighted by the use of barcodes: M. albuquerquensis s. str. in the northern semi-desert and M. patzcuarensis on the Central Plateau at more than 2000 m above sea level.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».