DNA barcoding of southern African mammal species and construction of a reference library for forensic application
Notice bibliographique
Résumé
Combating wildlife crimes in South Africa requires accurate identification of traded species and their products. Diagnostic morphological characteristics needed to identify species are often lost when specimens are processed and customs officials lack the expertise to identify species. As a potential solution, DNA barcoding can be used to identify morphologically indistinguishable specimens in forensic cases. However, barcoding is hindered by the reliance on comprehensive, validated DNA barcode reference databases, which are currently limited. To overcome this limitation, we constructed a barcode library of cytochrome c oxidase subunit 1 and cytochrome b sequences for threatened and protected mammals exploited in southern Africa. Additionally, we included closely related or morphologically similar species and assessed the database’s ability to identify species accurately. Published southern African sequences were incorporated to estimate intraspecific and interspecific variation. Neighbor-joining trees successfully discriminated 94%–95% of the taxa. However, some widespread species exhibited high intraspecific distances (>2%), suggesting geographic sub-structuring or cryptic speciation. Lack of reliable published data prevented the unambiguous discrimination of certain species. This study highlights the efficacy of DNA barcoding in species identification, particularly for forensic applications. It also highlights the need for a taxonomic re-evaluation of certain widespread species and challenging genera.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».