Environmental <scp>DNA</scp> detection of rare and invasive fish species in two Great Lakes tributaries
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
The extraction and characterization of DNA from aquatic environmental samples offers an alternative, noninvasive approach for the detection of rare species. Environmental DNA, coupled with PCR and next-generation sequencing ("metabarcoding"), has proven to be very sensitive for the detection of rare aquatic species. Our study used a custom-designed group-specific primer set and next-generation sequencing for the detection of three species at risk (Eastern Sand Darter, Ammocrypta pellucida; Northern Madtom, Noturus stigmosus; and Silver Shiner, Notropis photogenis), one invasive species (Round Goby, Neogobius melanostomus) and an additional 78 native species from two large Great Lakes tributary rivers in southern Ontario, Canada: the Grand River and the Sydenham River. Of 82 fish species detected in both rivers using capture-based and eDNA methods, our eDNA method detected 86.2% and 72.0% of the fish species in the Grand River and the Sydenham River, respectively, which included our four target species. Our analyses also identified significant positive and negative species co-occurrence patterns between our target species and other identified species. Our results demonstrate that eDNA metabarcoding that targets the fish community as well as individual species of interest provides a better understanding of factors affecting the target species spatial distribution in an ecosystem than possible with only target species data. Additionally, eDNA is easily implemented as an initial survey tool, or alongside capture-based methods, for improved mapping of species distribution patterns.
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 | 0,000 | 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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