A validated and optimized environmental<scp>DNA</scp>and<scp>RNA</scp>assay to detect Arctic grayling (<i>Thymallus arcticus</i>)
Notice bibliographique
Résumé
Abstract Arctic grayling ( Thymallus arcticus ) is a salmonid fish of significant conservation value. However, conservation efforts are hindered by a lack of fundamental information regarding details such as current population distribution, migratory patterns, and natal habitats. In the current study, we designed, optimized, and field‐ and laboratory‐validated an environmental DNA (eDNA) and environmental RNA (eRNA) assay for Arctic grayling biomonitoring. Using an in silico approach, a robust species‐specific eDNA assay was generated, and filtering and extraction protocols were optimized for maximal eDNA yield. A Preserve, Precipitate, Lyse, Precipitate, and Purify (PPLPP) extraction method generated 70‐fold higher eDNA yields than a column‐based approach. Species‐specificity relative to co‐occurring salmonid fish was validated, and no significant amplification was noted for rainbow trout, brook trout, or mountain whitefish. Shedding rates of eDNA were around eight to nine times higher than those of eRNA, although the two types of nucleic acids decayed at similar rates. Shedding and decay rates were subsequently used to build detection probability models that account for pool size and water exchange rates. These data indicate that eDNA and eRNA are detectable in pools up to 32,500 m 3 in volume and with water flow of less than 0.5 m 3 s −1 when an Arctic grayling is present. This knowledge can be implemented when designing field sampling strategies. Finally, the assay successfully amplified Arctic grayling eDNA from field‐collected samples, with signal strength indicating preferred Arctic grayling habitat or conditions that favored the concentration and retention of eDNA.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,009 |
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 ».