Revision and annotation of DNA barcode records for marine invertebrates: report of the 8 <sup>th</sup> iBOL conference hackathon
Notice bibliographique
Résumé
Abstract The accuracy of the identification of unknown specimens using DNA barcoding and metabarcoding relies on reference libraries containing records with reliable taxonomy and sequence quality. A rampant growth in barcode data led to a stringent need for data curation, especially in taxonomically difficult groups such as marine invertebrates. A major effort in curating marine barcode data deposited in the Barcode of Life Data Systems (BOLD) has been undertaken during the 8 th International Barcode of Life Conference (Trondheim, Norway, 2019). For practical reasons, only major taxonomic groups were reviewed and annotated (crustaceans, echinoderms, molluscs, and polychaetes). The congruence of Linnean names with Barcode Index Numbers (BINs) was investigated, and the records deemed uncertain were annotated with four tags: a) MIS-ID (misidentified, mislabeled or contaminated records), b) AMBIG (ambiguous records unresolved with the current data), c) COMPLEX (species occurring in multiple BINs), and d) SHARE (barcodes shared between species). A total of 83,712 specimen records corresponding to 7,576 species were reviewed and 39% of the species were tagged (7% MIS-ID, 17% AMBIG, 14% COMPLEX, and 1% SHARE). High percentages (>50%) of AMBIG tags were recorded in gastropods, whereas COMPLEX tags dominated in crustaceans and polychaetes. This high proportion of tagged species reflects either flaws in the barcoding workflow (e.g., misidentification, cross -contamination) or taxonomic difficulties (e.g., synonyms, undescribed species). Although data curation is crucial for barcode applications, such manual efforts of reviewing large datasets are not sustainable and the implementation of automated solutions to the furthest possible extent is hi ghly desirable.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».