MétaCan
Menu
Retour à la cohorte
Enregistrement W2919018280 · doi:10.1186/s12862-019-1346-y

DNA barcoding a unique avifauna: an important tool for evolution, systematics and conservation

2019· article· en· W2919018280 sur OpenAlex
Jacqueline Tizard, Selina Patel, John Waugh, Erika Tavares, Tjard Bergmann, Brian J. Gill, Janette A. Norman, Les Christidis, R. Paul Scofield, Oliver Haddrath, Allan J. Baker, David M. Lambert, Craig D. Millar

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBMC Evolutionary Biology · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensRoyal Ontario MuseumHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesUniversity of Illinois at Urbana-ChampaignVictoria UniversityUniversity of AucklandMassey UniversityH. Wilhelm Schaumann StiftungNational Institute of Water and Atmospheric ResearchOntario Genomics InstituteUniversity of New South WalesVictoria University of WellingtonOntario GenomicsGenome CanadaNatural Sciences and Engineering Research Council of CanadaUniversity of OtagoAllan Wilson Centre
Mots-clésDNA barcodingBiologyPhylogenetic treeGenBankEvolutionary biologySubspeciesTaxonSystematicsPhylogeneticsMitochondrial DNALineage (genetic)Species complexZoologyEcologyTaxonomy (biology)GeneticsGene

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: DNA barcoding utilises a standardised region of the cytochrome c oxidase I (COI) gene to identify specimens to the species level. It has proven to be an effective tool for identification of avian samples. The unique island avifauna of New Zealand is taxonomically and evolutionarily distinct. We analysed COI sequence data in order to determine if DNA barcoding could accurately identify New Zealand birds. RESULTS: We sequenced 928 specimens from 180 species. Additional Genbank sequences expanded the dataset to 1416 sequences from 211 of the estimated 236 New Zealand species. Furthermore, to improve the assessment of genetic variation in non-endemic species, and to assess the overall accuracy of our approach, sequences from 404 specimens collected outside of New Zealand were also included in our analyses. Of the 191 species represented by multiple sequences, 88.5% could be successfully identified by their DNA barcodes. This is likely a conservative estimate of the power of DNA barcoding in New Zealand, given our extensive geographic sampling. The majority of the 13 groups that could not be distinguished contain recently diverged taxa, indicating incomplete lineage sorting and in some cases hybridisation. In contrast, 16 species showed evidence of distinct intra-species lineages, some of these corresponding to recognised subspecies. For species identification purposes a character-based method was more successful than distance and phylogenetic tree-based methods. CONCLUSIONS: DNA barcodes accurately identify most New Zealand bird species. However, low levels of COI sequence divergence in some recently diverged taxa limit the identification power of DNA barcoding. A small number of currently recognised species would benefit from further systematic investigations. The reference database and analysis presented will provide valuable insights into the evolution, systematics and conservation of New Zealand birds.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,518
Score d'incertitude au seuil0,579

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,023
Tête enseignante GPT0,281
Écart entre enseignants0,257 · 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