DNA metabarcoding for high-throughput monitoring of estuarine macrobenthic communities
Notice bibliographique
Résumé
Abstract Benthic communities are key components of aquatic ecosystems’ biomonitoring. However, morphology-based species identifications remain a low-throughput, and sometimes ambiguous, approach. Despite metabarcoding methodologies have been applied for above-species taxa inventories in marine meiofaunal communities, a comprehensive approach providing species-level identifications for estuarine macrobenthic communities is still lacking. Here we report a combination of experimental and field studies demonstrating the aptitude of COI metabarcoding to provide robust species-level identifications within a framework of high-throughput monitoring of estuarine macrobenthic communities. To investigate the ability to recover DNA barcodes from all species present in a bulk DNA extract, we assembled 3 phylogenetically diverse communities, using 4 different primer pairs to generate PCR products of the COI barcode region. Between 78 and 83% of the species in the tested communities were recovered through HTS. Subsequently, we compared morphology and metabarcoding-based approaches to determine the species composition from four distinct sites of an estuary. Our results indicate that the species richness would be considerably underestimated if only morphological methods were used. Although further refinement is required for improving the efficiency and output of this approach, here we show the great aptitude of COI metabarcoding to provide high quality and auditable species identifications in macrobenthos monitoring.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».