MétaCan
Menu
Retour à la cohorte
Enregistrement W4386034657 · doi:10.1016/j.cub.2023.06.031

Vertebrate environmental DNA from leaf swabs

2023· letter· en· W4386034657 sur OpenAlexaff
Christina Lynggaard, Sébastien Calvignac‐Spencer, Colin A. Chapman, Urs Kalbitzer, Fabian H. Leendertz, Patrick A. Omeja, Emmanuel A. Opito, Dipto Sarkar, Kristine Bohmann, Jan F. Gogarten

Notice bibliographique

RevueCurrent Biology · 2023
Typeletter
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental DNA in Biodiversity Studies
Établissements canadiensCarleton UniversityVancouver Island University
Organismes subventionnairesDeutsche ForschungsgemeinschaftCarlsbergfondetVillum FondenWilson Foundation
Mots-clésBiologyVertebrateEnvironmental DNAEvolutionary biologyDNAZoologyComputational biologyEcologyGeneticsBiodiversityGene

Résumé

récupéré en direct d'OpenAlex

Terrestrial vertebrates are threatened by anthropogenic activities around the world. The rapid biodiversity loss that ensues is most intense in the tropics and affects ecosystem functions, such as seed dispersal, or may facilitate pathogen transmission 1 . Monitoring vertebrate distributions is essential for understanding changes in biodiversity and ecosystems and also for adaptive management strategies. Environmental DNA (eDNA) approaches have the potential to play a key role in such efforts. Here, we explore whether eDNA swabbed from terrestrial vegetation in a tropical biodiversity hotspot is a useful tool for vertebrate biomonitoring. By swabbing leaves, we collected eDNA from 24 swabs at three locations in Kibale National Park, Uganda and used two metabarcoding systems to catalog the vertebrate taxa in the samples. We detected 52 wild vertebrate genera, including 26 avian and 24 mammalian genera; 30 of these assignments could be refined to the species level. We detected an average of 7.6 genera per swab. This approach, with its inexpensive and simple collection and DNA extraction, opens the door for inexpensive large-scale vertebrate biomonitoring.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,534
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,084

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,237
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent BiologyMême sujetEnvironmental DNA in Biodiversity StudiesTravaux en français237 207