MétaCan
Menu
Retour à la cohorte
Enregistrement W2078775095 · doi:10.3897/zookeys.365.5776

Problematic barcoding in flatworms: A case-study on monogeneans and rhabdocoels (Platyhelminthes)

2013· article· en· W2078775095 sur OpenAlexaff
Maarten P. M. Vanhove, Bart Tessens, Charlotte Schoelinck, Ulf Jondelius, D. Timothy J. Littlewood, Tom Artois, Tine Huyse

Notice bibliographique

RevueZooKeys · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueParasite Biology and Host Interactions
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésFlatwormBiologyDNA barcodingEvolutionary biologyTurbellariaGenBankMonogeneaIntraspecific competitionTaxonZoologyEcologyGeneticsGeneFishery

Résumé

récupéré en direct d'OpenAlex

Some taxonomic groups are less amenable to mitochondrial DNA barcoding than others. Due to the paucity of molecular information of understudied groups and the huge molecular diversity within flatworms, primer design has been hampered. Indeed, all attempts to develop universal flatworm-specific COI markers have failed so far. We demonstrate how high molecular variability and contamination problems limit the possibilities for barcoding using standard COI-based protocols in flatworms. As a consequence, molecular identification methods often rely on other widely applicable markers. In the case of Monogenea, a very diverse group of platyhelminth parasites, and Rhabdocoela, representing one-fourth of all free-living flatworm taxa, this has led to a relatively high availability of nuclear ITS and 18S/28S rDNA sequences on GenBank. In a comparison of the effectiveness in species assignment we conclude that mitochondrial and nuclear ribosomal markers perform equally well. In case intraspecific information is needed, rDNA sequences can guide the selection of the appropriate (i.e. taxon-specific) COI primers if available.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,306
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations100
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZooKeysMême sujetParasite Biology and Host InteractionsTravaux en français237 207