MétaCan
Menu
Retour à la cohorte
Enregistrement W3122838022 · doi:10.20944/preprints202007.0594.v2

Diversity and Life-Cycle Analysis of Pacific Ocean Zooplankton by Videomicroscopy and Dna Barcoding: Crustacea

2021· preprint· en· W3122838022 sur OpenAlexaboutno aff
Peter J. Bryant, Timothy Arehart

Notice bibliographique

RevuePreprints.org · 2021
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDNA barcodingBarcodeBiologyCrustaceanTaxonomy (biology)ZooplanktonBayDNA sequencingZoologyPlanktonMolecular taxonomyEcologyEvolutionary biologyDNAPhylogeneticsGeographyGeneArchaeologyGenetics

Résumé

récupéré en direct d'OpenAlex

Determining the DNA sequencing of a small element in the mitochondrial DNA (DNA barcoding) makes it possible to easily identify individuals of different larval stages of marine crustaceans without the need for laboratory rearing. It can also be used to construct taxonomic trees, although it is not yet clear to what extent this barcode-based taxonomy reflects more traditional morphological or molecular taxonomy. Collections of zooplankton were made using conventional plankton nets in Newport Bay and the Pacific Ocean near Newport Beach, California (Lat. 33.628342, Long. -117.927933) between May 2013 and January 2020, and individual crustacean specimens were documented by videomicroscopy. Adult crustaceans were collected from solid substrates in the same areas. Specimens were preserved in ethanol and sent to the Canadian Centre for DNA Barcoding at the University of Guelph, Ontario, Canada for sequencing of the COI DNA barcode. From 1042 specimens, 544 COI sequences were obtained falling into 199 Barcode Identification Numbers (BINs), of which 76 correspond to recognized species. The results show the utility of DNA barcoding for matching life-cycle stages as well as for documenting the diversity of this group of organisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,167
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,004
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,307
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetIdentification and Quantification in FoodTravaux en français237 207