Assessing patterns of metazoans in the global ocean using environmental DNA
Notice bibliographique
Résumé
Documenting large-scale patterns of animals in the ocean and determining the drivers of these patterns is needed for conservation efforts given the unprecedented rates of change occurring within marine ecosystems. We used existing datasets from two global expeditions, Tara Oceans and Malaspina , that circumnavigated the oceans and sampled down to 4000 m to assess metazoans from environmental DNA (eDNA) extracted from seawater. We describe patterns of taxonomic richness within metazoan phyla and orders based on metabarcoding and infer the relative abundance of phyla using metagenome datasets, and relate these data to environmental variables. Arthropods had the greatest taxonomic richness of metazoan phyla at the surface, while cnidarians had the greatest richness in pelagic zones. Half of the marine metazoan eDNA from metagenome datasets was from arthropods, followed by cnidarians and nematodes. We found that mean surface temperature and primary productivity were positively related to metazoan taxonomic richness. Our findings concur with existing knowledge that temperature and primary productivity are important drivers of taxonomic richness for specific taxa at the ocean’s surface, but these correlations are less evident in the deep ocean. Massive sequencing of eDNA can improve understanding of animal distributions, particularly for the deep ocean where sampling is challenging.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».