Plant DNA‐barcode library and community phylogeny for a semi‐arid East African savanna
Notice bibliographique
Résumé
Applications of DNA barcoding include identifying species, inferring ecological and evolutionary relationships between species, and DNA metabarcoding. These applications require reference libraries that are not yet available for many taxa and geographic regions. We collected, identified, and vouchered plant specimens from Mpala Research Center in Laikipia, Kenya, to develop an extensive DNA-barcode library for a savanna ecosystem in equatorial East Africa. We amassed up to five DNA barcode markers (rbcL, matK, trnL-F, trnH-psbA, and ITS) for 1,781 specimens representing up to 460 species (~92% of the known flora), increasing the number of plant DNA barcode records for Africa by ~9%. We evaluated the ability of these markers, singly and in combination, to delimit species by calculating intra- and interspecific genetic distances. We further estimated a plant community phylogeny and demonstrated its utility by testing if evolutionary relatedness could predict the tendency of members of the Mpala plant community to have or lack "barcode gaps", defined as disparities between the maximum intra- and minimum interspecific genetic distances. We found barcode gaps for 72%-89% of taxa depending on the marker or markers used. With the exception of the markers rbcL and ITS, we found that evolutionary relatedness was an important predictor of barcode-gap presence or absence for all of the markers in combination and for matK, trnL-F, and trnH-psbA individually. This plant DNA barcode library and community phylogeny will be a valuable resource for future investigations.
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 ».