Unveiling South African insect diversity: DNA barcoding’s contribution to biodiversity data
Notice bibliographique
Résumé
Insects are one of the most species-rich groups on Earth. They comprise much of animal diversity and play vital roles in ecosystems, including pollination, pest control, and decomposition. However, only a fraction of this diversity has been formally described. South Africa is recognised as one of the most biologically diverse countries globally, with an estimated 44 000 insect species. Many crops rely on insect pollinators, including canola, apples, oranges, and sunflowers. A shortage of wild pollinators currently threatens crop yields, yet our knowledge of insect diversity within South Africa is sparse. There are few taxonomic specialists relative to South Africa’s biodiversity, and the methods used for insect identification can be time-consuming and expensive. DNA barcoding provides an important research tool to accelerate insect biodiversity research. In this review, we queried the public DNA barcoding BOLD (Barcode of Life Data System) database for records of “Insecta” within South Africa, and 416 211 published records assigned to 28 239 unique BINs (Barcode Index Numbers) were returned. We identified five taxonomic orders with more BINs than known species in southern Africa (Hymenoptera, Diptera, Thysanoptera, Plecoptera, and Strepsiptera). Most of the barcoded records were derived from Malaise trap sampling in Gauteng, Mpumalanga and Limpopo, while the rest of South Africa remains poorly sampled. We suggest that there is a need for a comprehensive national sampling effort alongside increased investment in taxonomic expertise to generate critical baseline data on insect biodiversity before species are lost to extinction.
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 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».