Evaluating the congruence between <scp>DNA</scp>‐based and morphological taxonomic approaches in water and sediment trap samples: Analyses of a 36‐month time series from a temperate monomictic lake
Notice bibliographique
Résumé
Abstract Paleolimnological studies are central for identifying long‐term changes, yet many studies rely on bioindicators that deposit detectable subfossils in sediments, such as diatoms and cladocerans. Emerging DNA‐based approaches are expanding the taxonomic diversity that can be investigated. However, as sedimentary DNA‐based approaches are expanding rapidly, calibration work is required to determine the advantages and limitations of these techniques. In this study, we assessed the congruence between morphological and DNA‐based approaches applied to sediment trap samples for diatoms and crustaceans using both intracellular and extracellular DNA. We also evaluated which taxa are deposited in sediment traps from the water column to identify potential paleolimnological bioindicators of environmental variations. Based on 18S rRNA gene amplicons, we developed and analyzed a micro‐eukaryotic, monthly time series that spanned 3 years and was comprised of paired water column and sediment trap samples from Cultus Lake, British Columbia, Canada. Comparisons of assemblages derived from our genetic and morphological analyses using RV coefficients revealed significant correlations for diatoms, but weaker correlations for crustaceans. Intracellular DNA reads correlated more strongly with diatom morphology, while extracellular DNA reads correlated more strongly with crustacean morphology. Additional analyses of amplicon sequence variants shared between water and sediment trap samples revealed a wide diversity of taxa to study in paleolimnology, including Ciliophora, Dinoflagellata, Chytridiomycota, Chrysophyceae, and Cryptophyceae. Partial RDAs identified significant environmental predictors of these shared assemblages. Overall, our study demonstrates the effectiveness of DNA‐based approaches to track community dynamics from sediment samples, an essential step for successful paleolimnological studies.
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 | 0,001 | 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) | 0,000 | 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 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 ».