High‐resolution biomonitoring of plant pathogens and plant species using metabarcoding of pollen pellet contents collected from a honey bee hive
Notice bibliographique
Résumé
Abstract The Canadian beekeeping industry is spread across the country, with the greatest proportion of managed honey bee colonies occurring in the Prairie Provinces. Nationally, the number of beekeepers has recently been trending upwards. Simultaneously, agronomic and environmental plant pest incidents are increasing due to a number of factors, including the introduction of exotic organisms through international trade, which is a major pathway for the introduction of potentially invasive alien species and quarantine pests. Therefore, regulatory agencies are interested in developing high‐throughput tools to achieve earlier detection of unwanted species in order to expedite application of mitigating measures to limit the impacts of their introduction. This study evaluates the potential of pollen pellet contents collected by honey bees to monitor plant pests using metabarcoding, a high‐throughput sequencing (HTS) approach for monitoring complex environmental samples. The study used the ITS1 intergenic region to target oomycetes and fungi, the ATP9‐NAD9 spacer to specifically target Phytophthora species, and the ITS2 region to target plant species. From the HTS results, a number of plants that were detected corresponded to known hosts of certain pathogens or species closely related to potentially invasive plant species. Genera including phytopathogenic species found in the pollen samples comprised Fusarium sp., Ophiostoma sp., Peronospora sp., Phytophthora sp., and Pythium sp. Correlations, high entropy, and co‐occurrences between certain plants and oomycetes or fungi were observed. The potential for using honey bee‐collected pollen pellets to study phytopathogens in a given environment is demonstrated here, and this concept could represent a promising complementary tool for the surveillance of phytopathogens or unwanted plants with previously described air and insect sampling methods if the protocol was applied with additional genetic markers.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».