Fly‐derived DNA and camera traps are complementary tools for assessing mammalian biodiversity
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background Metabarcoding of vertebrate DNA found in invertebrates (iDNA) represents a potentially powerful tool for monitoring biodiversity. Preliminary evidence suggests fly iDNA biodiversity assessments compare favorably with established approaches such as camera trapping or line transects. Aims and Methods To assess whether fly‐derived iDNA is consistently useful for biodiversity monitoring across a diversity of ecosystems, we compared metabarcoding of the mitochondrial 16S gene of fly pool‐derived iDNA (range = 49–105 flies/site, N = 784 flies) with camera traps (range = 198–1,654 videos of mammals identified to the species level/site) at eight sites, representing different habitat types in five countries across tropical Africa. Results We detected a similar number of mammal species using fly‐derived iDNA (range = 8–15 species/site) and camera traps (range = 8–27 species/site). However, the two approaches detected mostly different species (range = 6%–43% of species detected/site were detected with both methods), with fly‐derived iDNA detecting on average smaller‐bodied species than camera traps. Despite addressing different phylogenetic components of local mammalian communities, both methods resulted in similar beta‐diversity estimates across sites and habitats. Conclusion These results support a growing body of evidence that fly‐derived iDNA is a cost‐ and time‐efficient tool that complements camera trapping in assessing mammalian biodiversity. Fly‐derived iDNA may facilitate biomonitoring in terrestrial ecosystems at broad spatial and temporal scales, in much the same way as water eDNA has improved biomonitoring across aquatic ecosystems.
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.
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 | 0,000 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 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) | 0,006 | 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 découle