In-silico approaches for discrimination of Curcuma species and their closely related family using the novel technique of DNA Barcoding
Notice bibliographique
Résumé
In this study, we have discriminated and identified the Genus of Curcuma and related species Zingiberaceae using rbcL and trnL DNA barcode primers. Curcuma genus related to the family Zingiberaceae comprises a significant number of medicinal plants renowned for their use in ethnomedicine, playing a pivotal role in the medical, health, and pharmaceutical sectors. Traditionally, morphological methods alone have proven insufficient for accurately identifying species within this family. However, DNA barcoding technology provides a contemporary solution by utilizing plant DNA sequences for species identification, thus enabling effective conservation efforts. We used DNA barcoding techniques and for analysis used the Maximum Parsimony tree in MEGA 11 with the Kimura 2-parameter (KP model) to analyse the genetic relationships between species. Out of the 13 accessions that were studied, 12 accessions belonged to Curcuma caesia and 1 accession belonged to Curcuma aeruginosa. The genetic relationships observed were correlated with the geographical distributions of these species. It was determined that C. aeruginosa is a mutated species of C. caesia. Additionally, 1 specimen of Alpinia galanga, a plant species related to the Zingiberaceae. Barcode primer trnL primer demonstrated a 92% efficiency during the investigation. The rbcL and trnL loci are recommended as potential barcode markers for discriminating between different plant species. This study developed a comprehensive DNA barcoding database that can confidently differentiate between species by combining morphological and molecular data. This database has the potential to identify adulteration in herbal products, combat illegal trade and adulteration of plant species, and assist in germplasm conservation efforts.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».