Novel insights in cryptic diversity of snow and glacier ice algae communities combining 18S rRNA gene and ITS2 amplicon sequencing
Notice bibliographique
Résumé
Melting snow and glacier surfaces host microalgal blooms in polar and mountainous regions. The aim of this study was to determine the dominant taxa at the species level in the European Arctic and the Alps. A standardized protocol for amplicon metabarcoding using the 18S rRNA gene and ITS2 markers was developed. This is important because previous biodiversity studies have been hampered by the dominance of closely related algal taxa in snow and ice. Due to the limited resolution of partial 18S rRNA Illumina sequences, the hypervariable ITS2 region was used to further discriminate between the genotypes. Our results show that red snow was caused by the cosmopolitan Sanguina nivaloides (Chlamydomonadales, Chlorophyta) and two as of yet undescribed Sanguina species. Arctic orange snow was dominated by S. aurantia, which was not found in the Alps. On glaciers, at least three Ancylonema species (Zygnematales, Streptophyta) dominated. Golden-brown blooms consisted of Hydrurus spp. (Hydrurales, Stramenophiles) and these were mainly an Arctic phenomenon. For chrysophytes, only the 18S rRNA gene but not ITS2 sequences were amplified, showcasing how delicate the selection of eukaryotic 'universal' primers for community studies is and that primer specificity will affect diversity results dramatically. We propose our approach as a 'best practice'.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».