MetaCurator: A hidden Markov model‐based toolkit for extracting and curating sequences from taxonomically‐informative genetic markers
Notice bibliographique
Résumé
Abstract While metabarcoding and metagenomic approaches are increasingly popular, questions remain about how best to analyse and taxonomically characterize the sequence data produced by such methods. Due to a lack of software infrastructure, important reference sequence curation steps are often ignored. We present MetaCurator, a software package designed for automated reference sequence curation and highly generalizable across markers and study systems. MetaCurator contains two signature tools. IterRazor utilizes profile hidden Markov models and an iterative search framework to exhaustively identify and extract the precise marker of interest from available references. DerepByTaxonomy dereplicates sequences using a taxonomically aware approach, removing duplicates only when they belong to the same taxon. This is important for highly conserved markers, such as plant rbcL and trnL , which often display no sequence divergence across taxa, even at the genus level. Using MetaCurator, we produced reference sequence databases for a popular arthropod COI marker as well as four plant barcoding markers, trnL , rbcL , ITS2 and trnH . In comparing these databases to those produced by recent and comparable studies, we show that the Metacurator pipeline exhibits greater sensitivity during sequence extraction, especially for poorly conserved markers. Further, database taxonomic richness was not decreased following sequence dereplication, as observed in previous studies. MetaCurator is supported on OSX and Linux and is freely available under a GPL v3.0 license at https://github.com/RTRichar/MetaCurator . The reference databases produced in this work, and the commands used for curation, are available at https://github.com/RTRichar/MetabarcodeDBsV2 .
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 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 ».