Optimising the detection of marine taxonomic richness using environmental DNA metabarcoding: the effects of filter material, pore size and extraction method
Notice bibliographique
Résumé
The analysis of environmental DNA (eDNA) using metabarcoding has increased in use as a method for tracking biodiversity of ecosystems. Little is known about eDNA in marine human-modified environments, such as commercial ports, which are key sites to monitor for anthropogenic impacts on coastal ecosystems. To optimise an eDNA metabarcoding protocol in these environments, seawater samples were collected in a commercial port and methodologies for concentrating and purifying eDNA were tested for their effect on eukaryotic DNA yield and subsequent richness of Operational Taxonomic Units (OTUs). Different filter materials [Cellulose Nitrate (CN) and Glass Fibre (GF)], with different pore sizes (0.5 µm, 0.7 µm and 1.2 µm) and three previously published liquid phase extraction methods were tested. The number of eukaryotic OTUs detected differed by a factor of three amongst the method combinations. The combination of CN filters with phenol-chloroform-isoamyl alcohol extractions recovered a higher amount of eukaryotic DNA and OTUs compared to GF filters and the chloroform-isoamyl alcohol extraction method. Pore size was not independent of filter material but did affect the yield of eukaryotic DNA. For the OTUs assigned to a highly successful non-indigenous species, Styelaclava , the two extraction methods with phenol significantly outperformed the extraction method without phenol; other experimental treatments did not contribute significantly to detection. These results highlight that careful consideration of methods is warranted because choice of filter material and extraction method create false negative detections of marine eukaryotic OTUs and underestimate taxonomic richness from environmental samples.
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 | 0,001 | 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 | 0,001 | 0,001 |
| 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 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 ».