Evaluating the impacts of metabarcoding primer selection on DNA characterization of diet in an aerial insectivore, the Purple Martin
Notice bibliographique
Résumé
Abstract DNA metabarcoding is a molecular technique frequently used to characterize diet composition of insectivorous birds. However, results are sensitive to methodological decisions made during sample processing, with primer selection being one of the most critical. The most frequently used DNA metabarcoding primer set for avian insectivores is ZBJ. However, recent studies have found that ZBJ produces significant biases in prey classification that likely influence our understanding of foraging ecology. A new primer set, ANML, has shown promise for characterizing insectivorous bat diets with fewer taxonomic biases than ZBJ, but ANML has not yet been used to study insectivorous birds. Here, we evaluate the ANML primer set for use in metabarcoding of avian insectivore diets through comparison with the more commonly used ZBJ primer set. Fecal samples were collected from both adult and nestling Purple Martins (Progne subis subis) at 2 sites in the USA and 1 site in Canada to maximize variation in diet composition and to determine if primer selection impacts our understanding of diet variation among sites. In total, we detected 71 arthropod prey species, 39 families, and 10 orders. Of these, 40 species were uniquely detected by ANML, whereas only 11 were uniquely detected by ZBJ. We were able to classify 54.8% of exact sequence variants from ANML libraries to species compared to 33.3% from ZBJ libraries. We found that ANML outperformed ZBJ for PCR efficacy, taxonomic coverage, and specificity of classification, but that using both primer sets together produced the most comprehensive characterizations of diet composition. Significant variation in both alpha- and beta-diversity between sites was found using each primer set separately and in combination. To our knowledge, this is the first published metabarcoding study using ANML primers to describe avian diet, and also the first to directly compare results returned by ANML and ZBJ primer sets.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| 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 ».