Priming of a DNA metabarcoding approach for species identification and inventory in marine macrobenthic communities
Notice bibliographique
Résumé
In marine and estuarine benthic communities, the inventory and estimation of species richness are often hampered by the need for broad taxonomic expertise across several phyla. The use of DNA metabarcoding has emerged as a powerful tool for the fast assessment of species composition in a diversity of ecological communities. Here, we tested the amplification success of five primer sets targeting different COI-5P regions by 454 pyrosequencing to maximize the recovery of two simulated macrobenthic communities containing 21 species (SimCom1 and SimCom 2). Species identification was first performed against a compiled reference library of macrobenthic species. Reads with similarity results to reference sequences between 70% and 97% were then submitted to GenBank and BOLD to attempt the identification of concealed species in the bulk sample. The combination of at least three primer sets was able to recover more species than any primer set alone, achieving 85% of represented species in SimCom1 and 76% in SimCom2. Our approach was successful to detect low-frequency specimens, as well as concealed species, in the bulk sample, indicating the potential for the application of this approach on marine bioassessment and inventory, including the detection of "hidden" biodiversity that would hardly be possible based on morphology only.
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 | 0,000 |
| 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 ».