How much is enough? Examining the sampling effort necessary to estimate mean <scp>eDNA</scp> concentrations in lentic systems
Notice bibliographique
Résumé
Abstract The concentration of eDNA in an environment can provide important ecological information of relevance for management and conservation, but little research has explored optimizing sampling strategies to estimate mean eDNA concentrations in natural environments. Inter‐replicate eDNA concentrations often exhibit right‐skewed “clustered” or “clumped” distributions, likely due to the stochastic capture of large “aggregate” particles with high eDNA copy numbers. This has important potential implications for modeling the resulting sampling effort necessary to accurately quantify eDNA concentrations. In a previous study, 17–20 Brook Charr eDNA samples were collected from 28 lakes in Québec, Canada. We explored how variation in eDNA concentrations within a lake was affected by several habitat characteristics. We then conducted a power analysis to determine the sampling effort (“minimum n”) necessary to accurately quantify mean lake eDNA concentrations and, using simulations, explored how a bimodal distribution of eDNA particle copy count could affect inter‐replicate variability. The median sample size such that 90% of sample mean estimates were within 20% of the “true” mean was 12.5; a sample size of 20 was sufficient to quantify mean concentrations in 21/28 lakes. We found no evidence that temperature or lake size impacted sample variability. We also found that variance among replicates was non‐linearly related to mean lake eDNA concentration across years: variability was lowest at low and high concentrations and highest at intermediate concentrations. We hypothesize that this resulted from the stochastic capture of large “aggregate” particles at intermediate concentrations; at low concentrations, aggregates were likely rarely captured and at high concentrations may represent a consistent component of total eDNA. Simulations demonstrated that these patterns can emerge from some bimodal eDNA particle “size” distributions. Overall, we conclude that sampling efforts in many previous studies (notably including the authors' own) were potentially low, emphasizing the need to increase spatial replication in lentic surveys.
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 | 0,010 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».