In Silico Study Suggesting the Bias of Primers Choice in the Molecular Identification of Fungal Aerosols
Notice bibliographique
Résumé
This paper presents an in silico analysis to assess the current state of the fungal UNITE database in terms of the two eukaryote nuclear ribosomal regions, Internal Transcribed Spacers 1 and 2 (ITS1 and ITS2), used in describing fungal diversity. Microbial diversity is often evaluated with amplicon-based high-throughput sequencing approaches, which is a target enrichment method that relies on the amplification of a specific target using particular primers before sequencing. Thus, the results are highly dependent on the quality of the primers used for amplification. The goal of this study is to validate if the mismatches of the primers on the binding sites of the targeted taxa could explain the differences observed when using either ITS1 or ITS2 in describing airborne fungal diversity. Hence, the choice of the pairs of primers for each barcode concur with a study comparing the performance of ITS1 and ITS2 in three occupational environments. The sequence length varied between the amplicons retrieved from the UNITE database using the pair of primers targeting ITS1 and ITS2. However, the database contains an equal number of unidentified taxa from ITS1 and ITS2 regions in the six taxonomic levels employed (phylum, class, order, family, genus, species). The chosen ITS primers showed differences in their ability to amplify fungal sequences from the UNITE database. Eleven taxa consisting of Trichocomaceae, Dothioraceae, Botryosphaeriaceae, Mucorales, Saccharomycetes, Pucciniomycetes, Ophiocordyceps, Microsporidia, Archaeorhizomycetes, Mycenaceae, and Tulasnellaceae showed large variations between the two regions. Note that members of the latter taxa are not all typical fungi found in the air. As no universal method is currently available to cover all the fungal kingdom, continuous work in designing primers, and particularly combining multiple primers targeting the ITS region is the best way to compensate for the biases of each one to get a larger view of the fungal diversity.
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 | 0,009 | 0,013 |
| 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 | 0,002 | 0,001 |
| 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 ».