Dealing with biases introduced by lipids in stable carbon and nitrogen isotope analyses: a solution based on 28 marine invertebrate, fish, and mammal species
Notice bibliographique
Résumé
Stable carbon (δ13C) and nitrogen (δ15N) isotope ratios are widely used in marine food web and habitat use studies. However, lipids are naturally depleted in 13C relative to proteins and are variable in content, biasing δ13C of bulk samples, with consequences for the accuracy of conclusions. This issue can be resolved either by extracting lipids from samples prior to analysis, a resource-intensive process that can also alter δ15N, or by estimating lipid-free δ13C using one of several equations that differ in degree of sophistication and generalization across taxa. Here, δ13C and δ15N were measured in bulk and lipid-extracted muscle samples from over 2000 specimens of 28 species of marine invertebrates, fishes, and mammals. Our objectives were to compare the effect of lipid extraction on δ13C and δ15N across taxa and evaluate the performance of 5 normalization models, overall and using subsets of species, to propose a model to revert lipid-extracted δ15N back to their bulk values and to identify the best approach for dealing with lipid-related biases. Lipid extraction caused an uneven enrichment in δ13C and δ15N across species. Model taxonomic specificity increased estimation accuracy for both isotopes. While models from Logan et al. (2008; J Anim Ecol 77:838-846) and McConnaughey & McRoy (1979; Mar Biol 53:257-262) were the best at predicting lipid-free δ13C, a linear model reliably estimated δ15N values of lipid-free samples using δ15N values of bulk samples. This study presents a method for reliably estimating δ13C and δ15N values of muscle tissue without resorting to duplicate analyses. This represents a major step toward the harmonization of data sets generated using bulk and lipid-extracted samples.
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 | 0,017 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».