Flow cytometric analysis of pollen grains collected from individual bees provides information about pollen load composition and foraging behaviour
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Understanding the species composition of pollen on pollinators has applications in agriculture, conservation and evolutionary biology. Current identification methods, including morphological analysis, cannot always discriminate taxa at the species level. Recent advances in flow cytometry techniques for pollen grains allow rapid testing of large numbers of pollen grains for DNA content, potentially providing improved species resolution. METHODS: A test was made as to whether pollen loads from single bees (honey-bees and bumble-bees) could be classified into types based on DNA content, and whether good estimates of proportions of different types could be made. An examination was also made of how readily DNA content can be used to identify specific pollen species. KEY RESULTS: The method allowed DNA contents to be quickly found for between 250 and 9391 pollen grains (750-28 173 nuclei) from individual honey-bees and between 81 and 11 512 pollen grains (243-34 537 nuclei) for bumble-bees. It was possible to identify a minimum number of pollen species on each bee and to assign proportions of each pollen type (based on DNA content) present. CONCLUSIONS: The information provided by this technique is promising but is affected by the complexity of the pollination environment (i.e. number of flowering species present and extent of overlap in DNA content). Nevertheless, it provides a new tool for examining pollinator behaviour and between-species or cytotype pollen transfer, particularly when used in combination with other morphological, chemical or genetic techniques.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».