Metabarcoding unsorted kick-samples facilitates macroinvertebrate-based biomonitoring with increased taxonomic resolution, while outperforming environmental DNA
Notice bibliographique
Résumé
Abstract Many studies have highlighted the potential of DNA-based methods for the biomonitoring of freshwater macroinvertebrates, however only a few studies have investigated homogenisation of bulk samples that include debris to reduce sample-processing time. In order to explore the use of DNA-based methods in water quality assessment in South Africa, this study compares morphological and molecular-based identification of freshwater macroinvertebrates at the mixed higher taxon and mOTU level while investigating abundance and comparing mOTU recovery with historical species records. From seven sites across three rivers in South Africa, we collected a biomonitoring sample, an intensive-search comprehensive sample and an eDNA sample per site. The biomonitoring sample was picked and scored according to standard protocols and the leftover debris and comprehensive samples were homogenised including all debris. DNA-based methods recovered higher diversity than morphology, but did not always recover the same taxa, even at the family level. Regardless of the differences in taxon scores, most DNA-based methods except some eDNA samples, returned the same water quality assessment category as the standard morphology-based assessment. Homogenised comprehensive samples recovered more freshwater invertebrate diversity than all other methods. The eDNA samples recovered 2 to 10 times more mOTUs than any other method, however 90% of reads were non-target and as a result eDNA recovered the lowest target diversity. However, eDNA did find some target taxa that the other methods failed to detect. This study shows that unsorted samples recover the same water quality scores as a morphology-based assessment and much higher diversity scores than both picked and eDNA samples. As a result, there is potential to integrate DNA-based approaches into existing metrics quickly while providing much more information for the development of more refined metrics at the species or mOTU level with distributional data which can be used for conservation and biodiversity management.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».