Improved efficiency in eDNA metabarcoding of benthic metazoans by sieving sediments prior to DNA extraction
Notice bibliographique
Résumé
Abstract Environmental DNA (eDNA) metabarcoding can be used to rapidly characterize the taxon assemblage of benthic communities in sediments and thus has high potential to complement routine regulatory monitoring of benthic impacts. However, when using DNA extracted directly from subtidal sediments, only a small proportion of metazoan reads are obtained regardless of which available universal primers are used. Developing new metazoan‐specific primers for broad taxonomic amplification is very challenging and may not solve this problem; here, we investigate whether sieving sediments prior to DNA extraction provides a solution. The effect of sieving was tested on 84 sediment samples collected from two salmon farms. Average percentage of metazoan reads was 19.53% and 17.10% in nonsieved samples, and 81.03% and 89.92% in sieved samples at the two sites. Sieving effectively removed Ochrophyta taxa (e.g., seaweed and phytoplankton), but did not remove pelagic metazoans. Average percentage of benthic metazoan reads in sieved samples was 4.1 times of that in nonsieved samples (47.29% versus 11.46%) at one site and 5.7 times (20.03% versus 3.52%) at another. Sieving increased the number of benthic metazoan amplicon sequence variants by 27.67% and 51.30% at the two sites. Relative abundances of only a small fraction of benthic metazoan phyla showed significant differences between sieved and nonsieved samples. These differences can be taken into account when designing a benthic monitoring approach using eDNA metabarcoding. Since sediment sieving can be conducted either in the field or laboratory, and it allows many more samples to be multiplexed on one MiSeq run without compromising sequencing depth of benthic metazoan reads, we suggest this method can greatly increase the efficiency of eDNA metabarcoding for assessing benthic environments.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».