Comparing microscopy and DNA metabarcoding techniques for identifying cyanobacteria assemblages across hundreds of lakes
Notice bibliographique
Résumé
Accurately identifying the species present in an ecosystem is vital to lake managers and successful bioassessment programs. This is particularly important when monitoring cyanobacteria, as numerous taxa produce toxins and can have major negative impacts on aquatic ecosystems. Increasingly, DNA-based techniques such as metabarcoding are being used for measuring aquatic biodiversity, as they could accelerate processing time, decrease costs and reduce some of the biases associated with traditional light microscopy. Despite the continuing use of traditional microscopy and the growing use of DNA metabarcoding to identify cyanobacteria assemblages, methodological comparisons between the two approaches have rarely been reported from a wide suite of lake types. Here, we compare planktonic cyanobacteria assemblages generated by inverted light microscopy and DNA metabarcoding from a 379-lake dataset spanning a longitudinal and trophic gradient. We found moderate levels of congruence between methods at the broadest taxonomic levels (i.e., Order, RV=0.40, p < 0.0001). This comparison revealed distinct cyanobacteria communities from lakes of different trophic states, with Microcystis, Aphanizomenon and Dolichospermum dominating with both methods in eutrophic and hypereutrophic sites. This finding supports the use of either method when monitoring eutrophication in lake surface waters. The biggest difference between the two methods was the detection of picocyanobacteria, which are typically underestimated by light microscopy. This reveals that the communities generated by each method currently are complementary as opposed to identical and promotes a combined-method strategy when monitoring a range of trophic systems. For example, microscopy can provide measures of cyanobacteria biomass, which are critical data in managing lakes. Going forward, we believe that molecular genetic methods will be increasingly adopted as reference databases are routinely updated with more representative sequences and will improve as cyanobacteria taxonomy is resolved with the increase in available genetic information.
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 | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».