Assessing different components of diversity across a river network using eDNA
Notice bibliographique
Résumé
Abstract Assessing individual components of biodiversity, such as local or regional taxon richness, and differences in community composition is a long‐standing challenge in ecology. It is especially relevant in spatially structured and diverse ecosystems. Environmental DNA (eDNA) has been suggested as a novel technique to detect taxa and therefore may allow to accurately measure biodiversity. However, we do not yet fully understand the comparability of eDNA‐based assessments to classical morphological approaches. We assessed may‐, stone‐, and caddisfly genera with two contemporary methods, namely eDNA sampling followed by molecular identification and kicknet sampling followed by morphological identification. We sampled 61 sites distributed over a large river network, allowing a comparison of various diversity measures from the catchment to site levels and providing insights into how these measures relate to network properties. We extended our data with historical morphological records of total diversity at the catchment level. At the catchment scale, identification based on eDNA and kicknet samples detected similar proportions of the overall and cumulative historically documented richness (gamma diversity), 42% and 46%, respectively. We detected a good overlap (62%) between genera identified from eDNA and kicknet samples at the regional scale. At the local scale, we found highly congruent values of local taxon richness (alpha diversity) between eDNA and kicknet samples. Richness of eDNA was positively related to discharge, a descriptor of network position, while kicknet was not. Beta diversity, a measure of dissimilarity between sites, was comparable for the two contemporary methods and is driven by species replacement and not by nestedness. Although eDNA approaches are still in their infancy and optimization regarding sampling design and laboratory work is still needed, our results indicate that it can capture different components of diversity, proving its potential utility as a new tool for large sampling campaigns across hitherto understudied complete river catchments.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».