Biotic signals associated with benthic impacts of salmon farms from eDNA metabarcoding of sediments
Notice bibliographique
Résumé
Environmental DNA (eDNA) metabarcoding can rapidly characterize the composition and diversity of benthic communities, thus it has high potential utility for routine assessments of benthic impacts of marine finfish farming. In this study, 126 sediment grab samples from 42 stations were collected at six salmon farms in British Columbia, Canada. Benthic community changes were assessed by both eDNA metabarcoding of metazoans and macrofaunal polychaete surveys. The latter was done by analysing 11,466 individuals using a combination of morphology-based taxonomy and DNA barcoding. Study objectives were to: (i) compare biotic signals associated with benthic impacts of salmon farming in the two data sources, and (ii) identify potential eDNA indicators to facilitate monitoring in Canada. Alpha diversity parameters were consistently reduced near fish cage edge and negatively correlated with pore-water sulphide concentration, with coefficients ranging from -0.62 to -0.48. Although Polychaeta are a common indicator group, the negative correlation with pore-water sulphide concentration was much stronger for Nematoda OTU richness (correlation coefficient: -0.86) than for Polychaeta (correlation coefficient: -0.38). Presence/absence of Capitella generally agreed well between the two methods despite that they differed in the volume of sediments sampled and the molecular marker used. Multiple approaches were used to identify OTUs related to organic enrichment statuses. We demonstrate that eDNA metabarcoding generates biotic signals that could be leveraged for environmental assessment of benthic impacts of fish farms in multiple ways: both alpha diversity and Nematoda OTU richness could be used to assess the spatial extent of impact, and OTUs related to organic enrichment could be used to develop local biotic indices.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».