Environmental DNA metabarcoding of pan-trap water to identify arthropods and the plants they interact with
Notice bibliographique
Résumé
Globally, the diversity of arthropods and the plants upon which they rely are under increasing pressure due to a combination of biotic and abiotic anthropogenic stressors. Unfortunately, conventional survey methods used to monitor ecosystems are often challenging to conduct at large scales. Pan traps are a commonly used pollinator survey method and environmental DNA (eDNA) metabarcoding of pan-trap water may offer a high-throughput alternative to aid in the detection of both arthropods and the plant resources they rely on. Here, we examined if eDNA metabarcoding can be used to identify arthropod and plant species from pan-trap water, and invesitigated the effect of different DNA extraction methods. We then compared plant species identified by metabarcoding with observation-based floral surveys and also assessed the contribution of airborne plant DNA (plant DNA not carried by arthropods) using marble traps to reduce putative false positives in the pan trap dataset. Arthropod eDNA was only detected in 17% of pan trap samples and there was minimal overlap between the eDNA results and morphological identifications. In contrast, for plants, we detected 64 taxa, of which 53 were unique to the eDNA dataset, and no differences were identified between the two extraction kits. We were able to significantly reduce the contribution of airborne plant DNA to the final dataset using marble traps. This study demonstrates that eDNA metabarcoding of pan-trap water can detect plant resources used by arthropods and highlights the potential for eDNA metabarcoding to be applied to investigations of plant-animal interactions.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».