Mosquito Identification From Bulk Samples Using DNA Metabarcoding: a Protocol to Support Mosquito-Borne Disease Surveillance in Canada
Notice bibliographique
Résumé
Approximately 80 species of mosquitoes (Diptera: Culicidae) have been documented in Canada. Exotic species such as Aedes albopictus (Skuse) (Diptera: Culicidae) are becoming established. Recently occurring endemic mosquito-borne diseases (MBD) in Canada including West-Nile virus (WNV) and Eastern Equine Encephalitis (EEE) are having significant public health impacts. Here we explore the use of DNA metabarcoding to identify mosquitoes from CDC light-trap collections from two locations in eastern Canada. Two primer pairs (BF2-BR2 and F230) were used to amplify regions of the cytochrome c oxidase subunit I (CO1) gene. High throughput sequencing was conducted using an Illumina MiSeq platform and GenBank-based species identification was applied using a QIIME 1.9 bioinformatics pipeline. From a site in southeastern Ontario, Canada, 26 CDC light trap collections of 72 to >300 individual mosquitoes were used to explore the capacity of DNA metabarcoding to identify and quantify captured mosquitoes. The DNA metabarcoding method identified 33 species overall while 24 species were identified by key. Using replicates from each trap, the dried biomass needed to identify the majority of species was determined to be 76 mg (equivalent to approximately 72 mosquitoes), and at least two replicates from the dried biomass would be needed to reliably detect the majority of species in collections of 144-215 mosquitoes and three replicates would be advised for collections with >215 mosquitoes. This study supports the use of DNA metabarcoding as a mosquito surveillance tool in Canada which can help identify the emergence of new mosquito-borne disease potential threats.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».