eDNA metabarcoding enriches traditional trawl survey data for monitoring biodiversity in the marine environment
Notice bibliographique
Résumé
Abstract Marine Protected Areas require comprehensive monitoring to ensure objectives are achieved; however, monitoring natural ecosystems at scale is challenged by the biodiversity it aims to measure. Environmental DNA (eDNA) metabarcoding holds promise to address this monitoring challenge. We conducted paired sampling at 54 sites for fish and invertebrate assemblages in the Northwest Atlantic using groundfish trawls and eDNA metabarcoding of benthic seawater using four genetic markers (12S rRNA, 16S rRNA, 18S rRNA, and CO1). Compared to trawling, eDNA detected similar patterns of species turnover, larger estimates of gamma diversity, and smaller estimates of alpha diversity. A total of 63.6% (42/66) of fish species captured by trawling were detected by eDNA, along with an additional 26 species. Of the 24 missed detections by eDNA, 12 were inevitable as they lacked reference sequences. Excluding taxa assigned to higher than species level and those without a species name, 23.6% (17/72) of invertebrate species captured by trawling were detected by CO1, which detected an additional 98 species. We demonstrate that eDNA is capable of detecting patterns of community assemblage and species turnover in an offshore environment, emphasizing its strong potential for a non-invasive, comprehensive, and scalable tool for biodiversity monitoring supporting marine conservation programmes.
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 | 0,006 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| 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 ».