Unravelling bird nest arthropod community structure using metabarcoding
Notice bibliographique
Résumé
Bird nests are fascinating microcosms harboring a wide range of arthropods parasitizing the nesting birds or feeding on prey remains, feces, and the nest material. Studies of these communities have been entirely based on emergence traps which collect live organisms out of the nests. The analysis of nest contents and environmental DNA (eDNA) via metabarcoding could expand our knowledge and identify prey, exuviae, and other animal remains in bird nests. Here, we investigated the potential of arthropod remains, nest dust, and feathers to better describe arthropod diversity accumulated in 20 bird nests collected in Guelph (Canada). We used subsampling strategies and tested two extraction approaches to investigate the distribution of DNA in nests, account for low-quality DNA, and the presence of inhibitory substances. In total, 103 taxa were detected via metabarcoding. Arthropod remains delivered the highest number of taxa (n = 67), followed by nest dust (n = 29). Extractions with the PowerSoil kit outperformed DNeasy extractions coupled with PowerClean Pro inhibitor removal. Per nest, on average 5.5% taxonomic overlap between arthropod remains of different size classes was detected and subsamples of nest dust extracted with the PowerSoil kit showed 47.3% taxonomic overlap indicating a heterogeneous eDNA distribution in nests. Most detected species were either feeding in the nest, i.e., herbivorous / predatory, or bird food. We also detected molecular traces of 25 bird species, whose feathers were likely used as nest material. Consequently, the metabarcoding of bird nest materials provides a more complete picture of nest communities, which can enable future studies on functional diversity and better comparisons between nesting species.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».