Using DNA metabarcoding to assess insect diversity in citrus orchards
Notice bibliographique
Résumé
Background DNA metabarcoding is rapidly emerging as a cost-effective approach for large-scale biodiversity assessment and pest monitoring. The current study employed metabarcoding to assess insect diversity in citrus orchards in Ganzhou City, Jiangxi, China in both 2018 and 2019. Insects were sampled using Malaise traps deployed in three citrus orchards producing a total of 43 pooled monthly samples. Methods The Malaise trap samples were sequenced following DNA metabarcoding workflow. Generated sequences were curated and analyzed using two cloud databases and analytical platforms, the barcode of life data system (BOLD) and multiplex barcode research and visualization environment (mBRAVE). Results These platforms assigned the sequences to 2,141 barcode index numbers (BINs), a species proxy. Most (63%) of the BINs were shared among the three sampling sites while BIN sharing between any two sites did not exceed 71%. Shannon diversity index ( H′ ) showed a similar pattern of BIN assortment at the three sampling sites. Beta diversity analysis by Jaccard similarity coefficient ( J ) and Bray-Curtis distance matrix ( BC ) revealed a high level of BIN similarity among the three sites ( J = 0.67–0.68; BC = 0.19–0.20). Comparison of BIN records against all those on BOLD made it possible to identify 40% of the BINs to a species, 57% to a genus, 97% to a family and 99% to an order. BINs which received a species match on BOLD were placed in one of four categories based on this assignment: pest, parasitoid, predator, or pollinator. As this study provides the first baseline data on insect biodiversity in Chinese citrus plantations, it is a valuable resource for research in a broad range of areas such as pest management and monitoring beneficial insects in citrus gardens.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».