Quantitative evaluation of bias in barcode markers derived from complex samples
Notice bibliographique
Résumé
PCR products have become a major commodity used to identify organisms based on polymorphism at the DNA level. One problem arising is that unbiased identification of organisms takes as working hypothesis that when DNA is extracted from a sample, a positive signal will be obtained if universal primers are used and DNA quality is suitable for PCR. As this assumption is not always correct we used a system where large differences in PCR success have been described to identify where biases appear and maybe identify solutions. Plants can be identified with at least seven independent plastid‐located loci. These differ in their degree of PCR success and how informative they are in terms of taxonomically useful sequence polymorphisms. Here we used six common plastid loci spanning 48 plant species and performed a quantitative analysis of bias at each step of the identification process. As expected we found important differences in PCR efficiency within a single species, depending on the barcoding sequence being amplified. Quantitative PCR revealed that the Ct threshold for various plastid loci, even within a single species, could exhibit greater than 2000‐fold differences in DNA quantity after amplification. We then performed Next Generation Sequencing experiments in nine species using equal quantities of three plastid‐based primers and equally‐mixed quantities of DNA from multiple species. The result was significantly biased towards species and specific loci even when using adaptor‐specific primers. Our results caution that Next‐Generation Sequencing projects may suffer dramatic bias, arising largely during DNA amplification steps. Moreover, that amplification‐based Next Generation Sequencing technologies exhibit additional bias despite using adaptor‐specific primers, indicating that amplification success depends on the DNA fragment. As such, while qualitative analysis of unknown samples are prone to false negative results if a combination of widely‐successful amplicons are not used, quantitative results should be considered highly suspect, even if all species in the starting sample are known.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».