Performance comparison of genetic markers for high‐throughput sequencing‐based biodiversity assessment in complex communities
Notice bibliographique
Résumé
Metabarcode surveys of DNA extracted from environmental samples are increasingly popular for biodiversity assessment in natural communities. Such surveys rely heavily on robust genetic markers. Therefore, analysis of PCR efficiency and subsequent biodiversity estimation for different types of genetic markers and their corresponding primers is important. Here, we test the PCR efficiency and biodiversity recovery potential of three commonly used genetic markers - nuclear small subunit ribosomal DNA (18S), mitochondrial cytochrome c oxidase subunit I (COI) and 16S ribosomal RNA (mt16S) - using 454 pyrosequencing of a zooplankton community collected from Hamilton Harbour, Ontario. We found that biodiversity detection power and PCR efficiency varied widely among these markers. All tested primers for COI failed to provide high-quality PCR products for pyrosequencing, but newly designed primers for 18S and 16S passed all tests. Furthermore, multiple analyses based on large-scale pyrosequencing (i.e. 1/2 PicoTiter plate for each marker) showed that primers for 18S recover more (38 orders) groups than 16S (10 orders) across all taxa, and four vs. two orders and nine vs. six families for Crustacea. Our results showed that 18S, using newly designed primers, is an efficient and powerful tool for profiling biodiversity in largely unexplored communities, especially when amplification difficulties exist for mitochondrial markers such as COI. Universal primers for higher resolution markers such as COI are still needed to address the possible low resolution of 18S for species-level identification.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».