MétaCan
Menu
Retour à la cohorte
Enregistrement W2802588449 · doi:10.1139/gen-2017-0222

DNA barcode identification of commercial fish sold in Mexican markets

2018· article· en· W2802588449 sur OpenAlexvenueno aff
Stephanie Sarmiento-Camacho, Martha Valdéz-Moreno

Notice bibliographique

RevueGenome · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCarcharhinusBiologyDNA barcodingThreatened speciesEndangered speciesFisheryZoologyBarcodeEcology

Résumé

récupéré en direct d'OpenAlex

The substitution of high-value fish species for those of lower value is common practice. Although numerous studies have addressed this issue, few have been conducted in Mexico. In this study, we sought to identify fresh fillets of fish, sharks, and rays using DNA barcodes. We analyzed material from "La Viga" in Mexico City, and other markets located on the Gulf and Caribbean coasts of Mexico. From 134 samples, we obtained sequences from 129, identified to 9 orders, 28 families, 38 genera, and 44 species. The most common species were Seriola dumerili, Pangasianodon hypophthalmus, Carcharhinus falciformis, Carcharhinus brevipinna, and Hypanus americanus. Pangasianodon hypophthalmus was most commonly used as a substitute for higher-value species. The substitution rate was 18% of the total. A review of the conservation status of the specimens identified against the IUNC list enabled us to establish that some species marketed in Mexico are threatened: Makaira nigricans, Lachnolaimus maximus, Hyporthodus flavolimbatus, and Isurus oxyrinchus are classified as vulnerable; Lopholatilus chamaeleonticeps and Sphyrna lewini are endangered; and the status of Hyporthodus nigritus is critical. These results will demonstrate to the Mexican authorities that DNA barcoding is a reliable tool for species identification, even when morphological identification is difficult or impossible.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,017
Tête enseignante GPT0,271
Écart entre enseignants0,254 · 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

Citations35
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenomeMême sujetIdentification and Quantification in FoodTravaux en français237 207