Assessing the influence of sample tagging and library preparation on DNA metabarcoding
Notice bibliographique
Résumé
Metabarcoding is increasingly used to assess species diversity by high-throughput sequencing where millions of sequences can be generated in parallel and multiple samples can be analysed in one sequencing run. Generating amplified fragments with a unique sequence identifier ('tag') for each sample is crucial, as it allows assigning sequences to the original samples. The tagging through so-called fusion primers is a fast and cheap alternative to commercially produced ligation-based kits. However, little is known about potential bias and inconsistencies introduced by the long nucleotide tail attached to those primers, which could lead to deficient reports of community composition in metabarcoding studies. We therefore tested the consistency and taxa detection efficiency of fusion primers in (1) a one-step and (2) two-step PCR protocol as well as (3) a commercially manufactured Illumina kit using mock communities of known composition. The Illumina kit delivered the most consistent results and detected the highest number of taxa. However, success of the two-step PCR approach was only marginally lower compared to the kit with the additional advantage of a much more competitive price per library. While most taxa were also detected with the one-step PCR approach, the consistency between replicates including read abundance was substantially lower. Our results highlight that method choice depends on the precision needed for analysis as well as on economic considerations and recommend the Illumina kit to obtain most accurate results and the two-step PCR approach as a much cheaper yet very robust alternative.
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 ».