DNA metabarcoding for high-throughput monitoring of estuarine macrobenthic communities
Notice bibliographique
Résumé
Morphology-based profiling of benthic communities has been extensively applied to aquatic ecosystems' health assessment. However, it remains a low-throughput, and sometimes ambiguous, procedure. Despite DNA metabarcoding has been applied to marine benthos, a comprehensive approach providing species-level identifications for estuarine macrobenthos is still lacking. Here we report a combination of experimental and field studies to assess the aptitude of COI metabarcoding to provide robust species-level identifications for high-throughput monitoring of estuarine macrobenthos. To investigate the ability of metabarcoding to detect all species present in bulk DNA extracts, we contrived three phylogenetically diverse communities, and applied four different primer pairs to generate PCR products within the COI barcode region. Between 78-83% of the species in the contrived communities were recovered through HTS. Subsequently, we compared morphology and metabarcoding-based approaches to determine the species composition from four distinct estuarine sites. Our results indicate that species richness would be considerably underestimated if only morphological methods were used: globally 27 species identified through morphology versus 61 detected by metabarcoding. Although further refinement is required to improve efficiency and output of this approach, here we show the great aptitude of COI metabarcoding to provide high quality and auditable species identifications in estuarine macrobenthos monitoring.
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 | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».