Enhancing metabarcoding of freshwater biotic communities: A new online tool for primer selection and exploring data from 14 primer pairs
Notice bibliographique
Résumé
Abstract Freshwater ecosystems are complex, diverse, and face multiple imminent threats that have led to changes in both structure and function. It is urgent that we develop and standardize monitoring tools that allow for rapid and comprehensive assessment of freshwater communities to understand their changing dynamics and inform conservation. Environmental DNA surveys offer a means to inventory and monitor aquatic diversity, yet most studies focus on one or a few taxonomic groups because of technical challenges. In this study, we (1) create an eDNA metabarcoding dataset (natural water bodies) with 14 validated primer pairs; (2) create a free online, user‐friendly tool for primer selection that can be used for any metabarcoding data (SNIPe); and (3) using SNIPe, explore our dataset to derive subsets of informative, cost‐effective primer pairs that maximize detection of freshwater diversity. We first evaluated the completeness of public reference sequence databases and the efficiency of 14 primer pairs in silico, in vitro on five mock communities (mix of DNA from tissues of select taxa), in vivo on water samples from aquarium samples with known taxonomic composition, and finally in vivo on water samples from freshwater systems in Eastern Canada. Results from analyses using SNIPe revealed that 13 or 14 primer pairs are necessary to recover 100% of the species in water samples (natural systems), but that four primer pairs are sufficient to recover almost 75% of taxa with little overlap. Our work highlights the power of eDNA metabarcoding for reconstructing freshwater communities, including prey, parasite, pathogen, invasive, and declining species. It also emphasizes the importance of marker choice on species resolution, and primer characteristics and filtering parameters on detection success and accuracy of biodiversity estimates. Together, these results highlight the usefulness of eDNA for freshwater monitoring and should prompt more studies of tools to survey all communities.
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 | 0,010 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,005 |
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 ».