Validating environmental DNA metabarcoding for marine fishes in diverse ecosystems using a public aquarium
Notice bibliographique
Résumé
Abstract Environmental DNA metabarcoding has been widely touted as a powerful tool for monitoring biodiversity in marine ecosystems. However, this method still requires thorough validation and standardization before it can be widely applied for ecological monitoring. The potential utility of environmental DNA metabarcoding is greatest in systems with high levels of diversity, yet environmental DNA metabarcoding has typically been validated in closed systems with relatively low levels of diversity. Additionally, the use of a multiple marker approach has been minimally explored under controlled, closed systems in the literature. Using a pilot study, we assess the ability of eDNA metabarcoding to capture biodiversity in a highly diverse closed system at the Ripley's Aquarium of Canada in Toronto, Ontario. Our pilot study highlights several key knowledge gaps that must be addressed before metabarcoding can be employed for widespread use in ecological monitoring. We found that environmental DNA metabarcoding recovered just over 50% of target species and 80% of target genera within a closed marine system containing 107 species and 44 genera using previously published markers for COI, 12S, and 16S. Additionally, COI and 12S were found to identify fewer target species than 16S, with COI generating the most off‐target identifications, but maximum detection success was achievable by combining all three markers. We discuss numerous key limitations which currently present barriers to the application of eDNA metabarcoding for studying highly diverse marine systems. These include marker selection, data validation and confidence, and the complexity of abundant and diverse novel systems. This study highlights important, yet incompletely resolved, challenges of environmental DNA metabarcoding for the detection of marine fishes in a diverse closed system environment using a multiple marker approach.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».