MétaCan
Menu
Retour à la cohorte
Enregistrement W2169576970 · doi:10.1111/j.1365-294x.2006.03136.x

Utility of DNA taxonomy and barcoding for the inference of larval community structure in morphologically cryptic<i>Chironomus</i>(Diptera) species

2007· article· en· W2169576970 sur OpenAlexaff
Markus Pfenninger, Carsten Nowak, Christoph Kley, Dirk Steinke, Bruno Streit

Notice bibliographique

RevueMolecular Ecology · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental DNA in Biodiversity Studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésDNA barcodingBiologyTaxonomy (biology)BiodiversitySpecies complexEcologyChironomusTaxonomic rankCytotaxonomyMolecular taxonomyEvolutionary biologyLarvaTaxonPhylogeneticsChironomidaeKaryotypeGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Biodiversity studies require species level analyses for the accurate assessment of community structures. However, while specialized taxonomic knowledge is only rarely available for routine identifications, DNA taxonomy and DNA barcoding could provide the taxonomic basis for ecological inferences. In this study, we assessed the community structure of sediment dwelling, morphologically cryptic Chironomus larvae in the Rhine-valley plain/Germany, comparing larval type classification, cytotaxonomy, DNA taxonomy and barcoding. While larval type classification performed poorly, cytotaxonomy and DNA-based methods yielded comparable results: detrended correspondence analysis and permutation analyses indicated that the assemblages are not randomly but competitively structured. However, DNA taxonomy identified an additional species that could not be resolved by the traditional method. We argue that DNA-based identification methods such as DNA barcoding can be a valuable tool to increase accuracy, objectivity and comparability of the taxonomic assessment in biodiversity and community ecology studies.

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)0,004
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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,029
Tête enseignante GPT0,232
Écart entre enseignants0,202 · 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

Citations153
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular EcologyMême sujetEnvironmental DNA in Biodiversity StudiesTravaux en français237 207