Deep barcode divergence in Brazilian freshwater fishes: the case of the São Francisco River basin
Notice bibliographique
Résumé
BACKGROUND AND AIMS: The application of DNA barcoding as a global standard for fish identification is probing diverse worldwide realms (Nearctic, Australian and the Neotropics) and environments (e.g. marine and freshwater). Comparing the patterns of sequence divergence among conspecific and congeneric taxa between realms can provide valuable information on recent evolutionary histories of lineages as barcode data accumulates. MATERIALS AND METHODS: Herein, we have analyzed over 100 species (around 50%) of the Neotropical fish fauna from the São Francisco River, in southeast Brazil. Our aims were to test the performance of DNA barcoding in this biodiversity-rich region, and to compare patterns of genetic divergence with previous studies. RESULTS: The mean Kimura two-parameter distances within species, genera, families, orders, and classes were 0.5, 10.6, 21.0, 22.7, and 24.4%, respectively, with 100% of the species examined successfully differentiated by barcoding. With the exception of Astyanax bimaculatus lacustris, Piabina argentea, and Bryconamericus stramineus, all other species yield a single, cohesive cluster of barcode sequences. The average 'nearest-neighbor distance' was 11.12%, 21-fold higher than the mean within species distance of around 0.54%. In a few instances, deep lineage divergences among conspecifics (up to 10%) and congenerics (up to 22.9%) taxa were revealed. CONCLUSIONS: Reflecting possible cases of cryptic speciation and the deeper phylogeographic history of São Francisco fish fauna, with some higher clades extending back into the late Cretaceous and Cenozoic (90 mya), when much of the diversification of the Neotropical region apparently took place. In addition, barcodes also highlighted misidentifications and helped to document range extensions for known species.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».