An analysis of the gaps in the South African DNA barcoding library of ticks of veterinary and public health importance
Notice bibliographique
Résumé
Ticks transmit pathogens of veterinary and public health importance. Understanding their diversity is critical as infestations lead to significant economic losses globally. To date, over 90 species across three families have been identified in South Africa. However, the taxonomy of most species has not been resolved due to morphological identification challenges. DNA barcoding through the Barcode of Life Data Systems (BOLD) is therefore a valuable tool for species verifications for biodiversity assessments. This study conducted an analysis of South African tick COI barcodes on BOLD by verifying species on checklists, literature, and other sequence databases. The compiled list represented 97 species, including indigenous (59), endemics (27), introduced (2), invasives (1), and eight that could not be classified. Analyses indicated that 31 species (32%) from 11 genera have verified COI barcodes. These are distributed across all nine provinces with the Eastern Cape having the highest species diversity, followed by Limpopo, with KwaZulu-Natal having the least diversity. Rhipicephalus, Hyalomma, and Argas species had multiple barcode index numbers, suggesting cryptic diversity or unresolved taxonomy. We identified 21 species of veterinary or zoonotic importance from the Argasidae and Ixodidae families that should be prioritised for barcoding. Coordinating studies and defining barcoding targets is necessary to ensure that tick checklists are updated to support decision-making for the control of vector-borne diseases and alien invasives.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».