Detecting bat environmental DNA from water-filled road-ruts in upland forest
Notice bibliographique
Résumé
ABSTRACT Declines in population and diversity of North American bats are rapidly occurring due to habitat loss, incidental take from various industry projects, and lethal White-nose Syndrome disease. It is critical to accurately census habitat for appropriate conservation measures, yet traditional sampling methodology, such as mist netting and acoustic recordings, can be time-intensive and biased. Instead, a passive sampling tool that does not rely on the a priori knowledge of bat roosts may provide crucial information on bat communities. In the water-limited habitats of forested uplands of the Appalachian Plateau, water-filled road-ruts are important resources for bats. Therefore, we developed an environmental DNA (eDNA) protocol to sample isolated road-ruts that may have the presence of sloughed cellular material from actively drinking bats. The detection of bat eDNA was investigated from a positive control experiment, and across 47 water samples collected in Kentucky and Ohio. Water samples were analyzed using both species-specific quantitative polymerase chain reaction (qPCR) and community metabarcoding methodologies. Using qPCR analysis, we detected eDNA from big brown bat ( Eptesicus fuscus ) and eastern red bat ( Lasiurus borealis ) from water-filled road-ruts. While the community metabarcoding approach failed to detect any bat eDNA, many non-target amphibians, birds, and mammals were identified. These results suggest eDNA found within road-ruts provides an additional detection tool for surveying biodiversity across upland forests. Additionally, the use of qPCR increased the detection of rare eDNA targets, which will be crucial for properly implementing future eDNA applications for improving bat conservation efforts across the landscape. Article impact statement Environmental DNA provides detection of bats from drinking sources offering a novel survey method for management and conservation efforts
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 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 ».