Paleo-diatom composition from Santa Barbara Basin deep-sea sediments: a comparison of <i>18S-V9</i> and <i>diat-rbcL</i> metabarcoding vs shotgun metagenomics
Notice bibliographique
Résumé
Sedimentary ancient DNA (sedaDNA) analyses are increasingly used to reconstruct marine ecosystems. The majority of marine sedaDNA studies use a metabarcoding approach (extraction and analysis of specific DNA fragments of a defined length), targeting short taxonomic marker genes. Promising examples are 18S-V9 rRNA (~121-130 base pairs, bp) and diat-rbcL (76 bp), targeting eukaryotes and diatoms, respectively. However, it remains unknown how 18S-V9 and diat-rbcL derived compositional profiles compare to metagenomic shotgun data, the preferred method for ancient DNA analyses as amplification biases are minimised. We extracted DNA from five Santa Barbara Basin sediment samples (up to ~11 000 years old) and applied both a metabarcoding (18S-V9 rRNA, diat-rbcL) and a metagenomic shotgun approach to (i) compare eukaryote, especially diatom, composition, and (ii) assess sequence length and database related biases. Eukaryote composition differed considerably between shotgun and metabarcoding data, which was related to differences in read lengths (~112 and ~161 bp, respectively), and overamplification of short reads in metabarcoding data. Diatom composition was influenced by reference bias that was exacerbated in metabarcoding data and characterised by increased representation of Chaetoceros, Thalassiosira and Pseudo-nitzschia. Our results are relevant to sedaDNA studies aiming to accurately characterise paleo-ecosystems from either metabarcoding or metagenomic data.
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 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».