Environmental nucleic acids: A field‐based comparison for monitoring freshwater habitats using <scp>eDNA</scp> and <scp>eRNA</scp>
Notice bibliographique
Résumé
Nucleic acids released by organisms and isolated from environmental substrates are increasingly being used for molecular biomonitoring. While environmental DNA (eDNA) has received much attention, the potential of environmental RNA as a biomonitoring tool remains under-explored. Several recent studies using paired DNA and RNA metabarcoding of bulk samples suggest that RNA might better reflect "metabolically active" parts of the community. However, such studies mainly capture organismal eDNA and eRNA. For larger eukaryotes, isolation of extra-organismal RNA will be important, but viability needs to be examined in a field-based setting. In this study we evaluate (a) whether extra-organismal eRNA release from macroeukaryotes can be detected given its supposedly rapid degradation, and (b) if the same field collection methods for eDNA can be applied to eRNA. We collected eDNA and eRNA from water in lakes where fish community composition is well documented, enabling a comparison between the two nucleic acids in two different seasons with monitoring using conventional methods. We found that eRNA is released from macroeukaryotes and can be filtered from water and metabarcoded in a similar manner as eDNA to reliably provide species composition information. eRNA had a small but significantly greater true positive rate than eDNA, indicating that it correctly detects more species known to exist in the lakes. Given relatively small differences between the two molecules in describing fish community composition, we conclude that if eRNA provides significant advantages in terms of lability, it is a strong candidate to add to the suite of molecular monitoring tools.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| 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 tête enseignante, 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 ».