DNA metabarcoding marker choice skews perception of marine eukaryotic biodiversity
Notice bibliographique
Résumé
Abstract DNA metabarcoding is an increasingly popular technique to investigate biodiversity; however, many methodological unknowns remain, especially concerning the biases resulting from marker choice. Regions of the cytochrome c oxidase subunit I (COI) and 18S rDNA (18S) genes are commonly employed “universal” markers for eukaryotes, but the extent of taxonomic biases introduced by these markers and how such biases may impact metabarcoding performance is not well quantified. Here, focusing on macroeukaryotes, we use standardized sampling from autonomous reef monitoring structures (ARMS) deployed in the world's most biodiverse marine ecosystem, the Coral Triangle, to compare the performance of COI and 18S markers. We then compared metabarcoding data to image‐based annotations of ARMS plates. Although both markers provided similar estimates of taxonomic richness and total sequence reads, marker choice skewed estimates of eukaryotic diversity. The COI marker recovered relative abundances of the dominant sessile phyla consistent with image annotations. Both COI and the image annotations provided higher relative abundance estimates of Bryozoa and Porifera and lower estimates of Chordata as compared to 18S, but 18S recovered 25% more phyla than COI. Thus, while COI more reliably reflects the occurrence of dominant sessile phyla, 18S provides a more holistic representation of overall taxonomic diversity. Ideal marker choice is, therefore, contingent on study system and research question, especially in relation to desired taxonomic resolution, and a multimarker approach provides the greatest application across a broad range of research objectives. As metabarcoding becomes an essential tool to monitor biodiversity in our changing world, it is critical to evaluate biases associated with marker choice.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».