A statistical model for calibration and computation of detection and quantification limits for low copy number environmental DNA samples
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Environmental DNA (eDNA) has been increasingly utilized by academic, industry, and government groups for environmental monitoring due to its efficiency in regards to both time and cost, as well as non‐invasiveness to target organisms, and reduced dependency on trained biologists for sample collection. The methods typically employ quantitative real‐time polymerase chain reaction (qPCR) to detect the presence of a given organism's DNA in a sample. Currently, there is a drive to use qPCR data to infer biomass or abundance by quantitating the copy number or concentration of a given target gene fragment in a sample, which is often very dilute. Before eDNA can be fully accepted as an environmental decision‐making tool, however, certain aspects of the methods require standardization, including the quantification of target DNA in low copy number samples. Models that are not able to properly make use of data from highly dilute samples are severely hampered in their definitions of the limits of detection and quantification at the lower end of the detection curve. We propose a statistical model for a standard curve that relates the number of qPCR‐detected technical replicates to the copy number in the case of low copy number samples. Likelihood methods are used to estimate the parameters of the model and we derive inverse regression estimates together with their standard errors. Limits of copy number detection and quantification, and their confidence intervals are derived using a well‐accepted statistical approach thus providing a more broadly applicable and robust method for reporting eDNA abundance into the low copy number range. The method is illustrated using experimental results from multiple laboratories.
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.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle