MétaCan
Menu
Retour à la cohorte
Enregistrement W4291902436 · doi:10.1016/j.isci.2022.104848

Estimating biodiversity across the tree of life on Mount Everest’s southern flank with environmental DNA

2022· article· en· W4291902436 sur OpenAlexaff
Marisa Lim, Anton Seimon, Batya R Nightingale, Charles C.Y. Xu, Stephan Halloy, Adam J. Solon, Nicholas B. Dragone, Steven K. Schmidt, Alexander M. Tait, Sandra Elvin, Aurora C. Elmore, Tracie A. Seimon

Notice bibliographique

RevueiScience · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental DNA in Biodiversity Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBiodiversityEnvironmental DNAEcosystemEcologyGlacial periodAeolian processesPhylumClimate changeGeographyPhysical geographyTaxonBiologyPaleontology

Résumé

récupéré en direct d'OpenAlex

Species composition in high-alpine ecosystems is a useful indicator for monitoring climatic and environmental changes at the upper limits of habitable environments. We used environmental DNA (eDNA) analysis to document the breadth of high-alpine biodiversity present on Earth's highest mountain, Mt. Everest (8,849 m a.s.l.) in Nepal's Khumbu region. In April-May 2019, we collected eDNA from ten ponds and streams between 4,500 m and 5,500 m. Using multiple sequencing and bioinformatic approaches, we identified taxa from 36 phyla and 187 potential orders across the Tree of Life in Mt. Everest's high-alpine and aeolian ecosystem. These organisms, all recorded above 4,500 m-an elevational belt comprising <3% of Earth's land surface-represents ∼16% of global taxonomic order estimates. Our eDNA inventory will aid future high-Himalayan biomonitoring and retrospective molecular studies to assess changes over time as climate-driven warming, glacial melt, and anthropogenic influences reshape this rapidly transforming world-renowned ecosystem.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,200
Écart entre enseignants0,186 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetEnvironmental DNA in Biodiversity StudiesTravaux en français237 207