An On-Farm Workflow for Predictive Management of Paralytic Shellfish Toxin-Producing Harmful Algal Blooms for the Aquaculture Industry
Notice bibliographique
Résumé
Paralytic shellfish toxins (PSTs) produced by marine dinoflagellates significantly impact shellfish industries worldwide. Early detection on-farm and with minimal training would allow additional time for management decisions to minimize economic losses. Here, we describe and test a standardized workflow based on the detection of sxtA4, an initial gene in the biosynthesis of PSTs. The workflow is simple and inexpensive and does not require a specialized laboratory. It consists of (1) water collection and filtration using a custom gravity sampler, (2) buffer selection for sample preservation and cell lysis for DNA, and (3) an assay based on a region of sxtA, DinoDtec lyophilized quantitative polymerase chain reaction (qPCR) assay. Water samples spiked with Alexandrium catenella showed a cell recovery of >90% when compared to light microscopy counts. The performance of the lysis method (90.3% efficient), Longmire’s buffer, and the DinoDtec qPCR assay (tested across a range of Alexandrium species (90.7–106.9% efficiency; r 2 > 0.99)) was found to be specific, sensitive, and efficient. We tested the application of this workflow weekly from May 2016 to 30th October 2017 to compare the relationship between sxtA4 copies L –1 in seawater and PSTs in mussel tissue ( Mytilus galloprovincialis ) on-farm and spatially (across multiple sites), effectively demonstrating an ∼2 week early warning of two A. catenella HABs ( r = 0.95). Our tool provides an early, accurate, and efficient method for the identification of PST risk in shellfish aquaculture.
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 | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».