<scp>eDNA</scp> metabarcoding as a means to track distributions of different fish species in a protected area
Notice bibliographique
Résumé
Abstract In Lar National Park (Caspian Sea basin, Iran), the Caspian trout (Salmo caspius) population faces different threats, including introduced fish species. Due to the harsh environmental conditions and limited accessibility, monitoring of fish species via conventional approaches proves difficult. Hence, environmental DNA metabarcoding may prove an appropriate tool for monitoring fishes within the park. Environmental DNA samples from eight stream sites in the National Park were sequenced via metabarcoding of the 12S rRNA gene, and the species identified via eDNA metabarcoding were compared to the results of electrofishing performed at the same localities on the same day. No significant difference in the number of Caspian Sea trout DNA sequence reads was detected among the collection sites (p > 0.05). The highest number of reads was detected in Dalichay Stream, but the highest population density determined via electrofishing was in Siahpalas Stream. The discrepancy between the eDNA read count and trout population density, as well as the limited sampling scheme within this study, limit our ability to provide a robust conclusion about the application of environmental DNA metabarcoding for assessment of fish density in Lar National Park. Environmental DNA metabarcoding detected more species than electrofishing, but no significant differences in the composition of the local fish community were observed. Introduced fish species were all observed or detected in Siahpalas Stream, which is characterized by high water temperature, muddy substrate, and lower flow rate. A significant effect of flow rate and total dissolved solids on the presence of introduced fish species (p = 0.02) and of flow rate alone on relative abundance of introduced fish species (p = 0.03) was detected. To standardize the application of eDNA metabarcoding as a biodiversity assessment tool in Lar National Park, future studies should characterize the parameters that affect eDNA persistence and detectability in the system.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».