DNA barcoding to identify leaf preference of leafcutting bees
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Leafcutting bees (Megachile: Megachilidae) cut leaves from various trees, shrubs, wildflowers and grasses to partition and encase brood cells in hollow plant stems, decaying logs or in the ground. The identification of preferred plant species via morphological characters of the leaf fragments is challenging and direct observation of bees cutting leaves from certain plant species are difficult. As such, data are poor on leaf preference of leafcutting bees. In this study, I use DNA barcoding of the rcbL and ITS2 regions to identify and compare leaf preference of three Megachile bee species widespread in Toronto, Canada. Nests were opened and one leaf piece from one cell per nest of the native M. pugnata Say (N=45 leaf pieces), and the introduced M. rotundata Fabricius (N=64) and M. centuncularis (L.) (N=65) were analysed. From 174 individual DNA sequences, 54 plant species were identified. Preference by M. rotundata was most diverse (36 leaf species, H'=3.08, phylogenetic diversity (pd)=2.97), followed by M. centuncularis (23 species, H'=2.38, pd=1.51) then M. pugnata (18 species, H'=1.87, pd=1.22). Cluster analysis revealed significant overlap in leaf choice of M. rotundata and M. centuncularis. There was no significant preference for native leaves, and only M. centuncularis showed preference for leaves of woody plants over perennials. Interestingly, antimicrobial properties were present in all but six plants collected; all these were exotic plants and none were collected by the native bee, M. pugnata. These missing details in interpreting what bees need offers valuable information for conservation by accounting for necessary (and potentially limiting) nesting materials.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| 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 découle