Assessment of stream macroinvertebrate communities with eDNA is not congruent with tissue‐based metabarcoding
Notice bibliographique
Résumé
Freshwater biomonitoring programmes routinely sample aquatic macroinvertebrates. These samples are time-consuming to collect, as well as challenging and costly to identify reliably genus or species. Environmental DNA (eDNA) metabarcoding has emerged as a surrogate to traditional collection techniques and has been used in whole-community approaches across several taxa and ecosystems. However, the usefulness of eDNA-based detection of freshwater macroinvertebrates has not been extensively explored. Few studies have directly compared bulk sample and eDNA metabarcoding at a local scale to assess how effective each method is at characterizing aquatic macroinvertebrate communities. Here, we collected both eDNA and kicknet samples at the same sample transect locations across nine different streams in southern Ontario, Canada. We observed minimal overlap in community composition between these paired samples. Bulk tissue metabarcoding resulted in a greater proportion of sequences belonging to metazoan taxa (over 99%) than eDNA (12%) and had higher OTU richness for macroinvertebrate taxa. We suggest that degenerate primers are not effective for eDNA metabarcoding due to the high degree of nontarget amplification and subsequently low yield of target DNA. While both bulk sample and eDNA metabarcoding had the power to detect differences between stream communities, eDNA did not represent local communities. Bulk tissue metabarcoding thus provides a more accurate representation of local stream macroinvertebrate communities and is the preferred method if smaller-scale spatial resolution is an important factor in data analyses.
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 | 0,000 | 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 | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».