Metabarcoding and applied ecology with hyperdiverse organisms: Recommendations for biological control research
Notice bibliographique
Résumé
Metabarcoding is revolutionizing fundamental research in ecology by enabling large-scale detection of species and producing data that are rich with community context. However, the benefits of metabarcoding have yet to be fully realized in fields of applied ecology, especially those such as classical biological control (CBC) research that involve hyperdiverse taxa. Here, we discuss some of the opportunities that metabarcoding provides CBC and solutions to the main methodological challenges that have limited the integration of metabarcoding in existing CBC workflows. We focus on insect parasitoids, which are popular and effective biological control agents (BCAs) of invasive species and agricultural pests. Accurately identifying native, invasive and BCA species is paramount, since misidentification can undermine control efforts and lead to large negative socio-economic impacts. Unfortunately, most existing publicly accessible genetic databases cannot be used to reliably identify parasitoid species, thereby limiting the accuracy of metabarcoding in CBC research. To address this issue, we argue for the establishment of authoritative genetic databases that link metabarcoding data to taxonomically identified specimens. We further suggest using multiple genetic markers to reduce primer bias and increase taxonomic resolution. We also provide suggestions for biological control-specific metabarcoding workflows intended to track the long-term effectiveness of introduced BCAs. Finally, we use the example of an invasive pest, Drosophila suzukii, in a reflective "what if" thought experiment to explore the potential power of community metabarcoding in CBC.
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 | 0,001 | 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».