MétaCan
Menu
Retour à la cohorte
Enregistrement W2160370091 · doi:10.1186/2041-2223-2-16

Feather barbs as a good source of mtDNA for bird species identification in forensic wildlife investigations

2011· article· en· W2160370091 sur OpenAlexaffabout
Camilla Speller, George Nicholas, Dongya Yang

Notice bibliographique

RevueInvestigative Genetics · 2011
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésFeatherBrantaBiologyMitochondrial DNAWildlifeZoologyArdeaDNA profilingHeronSpecies identificationIdentification (biology)Wildlife tradeForensic identificationEcologyGooseDNAGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The ability to accurately identify bird species is crucial for wildlife law enforcement and bird-strike investigations. However, such identifications may be challenging when only partial or damaged feathers are available for analysis. RESULTS: By applying vigorous contamination controls and sensitive PCR amplification protocols, we found that it was feasible to obtain accurate mitochondrial (mt)DNA-based species identification with as few as two feather barbs. This minimally destructive DNA approach was successfully used and tested on a variety of bird species, including North American wild turkey (Meleagris gallopavo), Canada goose (Branta canadensis), blue heron (Ardea herodias) and pygmy owl (Glaucidium californicum). The mtDNA was successfully obtained from 'fresh' feathers, historic museum specimens and archaeological samples, demonstrating the sensitivity and versatility of this technique. CONCLUSIONS: By applying appropriate contamination controls, sufficient quantities of mtDNA can be reliably recovered and analyzed from feather barbs. This previously overlooked substrate provides new opportunities for accurate DNA species identification when minimal feather samples are available for forensic analysis.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,277
Écart entre enseignants0,207 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations25
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInvestigative GeneticsMême sujetIdentification and Quantification in FoodTravaux en français237 207