Reporting the limits of detection and quantification for environmental DNA assays
Notice bibliographique
Résumé
Abstract Background Environmental DNA (eDNA) analysis is increasingly being used to detect the presence and relative abundance of rare species, especially invasive or imperiled aquatic species. The rapid progress in the eDNA field has resulted in numerous studies impacting conservation and management actions. However, standardization of eDNA methods and reporting across the field is yet to be fully established, with one area being the calculation and interpretation of assay limit of detection (LOD) and limit of quantification (LOQ). Aims Here, we propose establishing consistent methods for determining and reporting of LOD and LOQ for single‐species quantitative PCR (qPCR) eDNA studies. Materials & Methods/ Results We utilize datasets from multiple cooperating laboratories to demonstrate both a discrete threshold approach and a curve‐fitting modeling approach for determining LODs and LOQs for eDNA qPCR assays. We also provide details of an R script developed and applied for the modeling method. Discussion/Conclusions Ultimately, standardization of how LOD and LOQ are determined, interpreted, and reported for eDNA assays will allow for more informed interpretation of assay results, more meaningful interlaboratory comparisons of experiments, and enhanced capacity for assessing the relative technical quality and performance of different eDNA qPCR assays.
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 | 0,085 | 0,150 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,006 |
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 ».