Fish ID face-off: A comparison of genetic barcoding and otolith shape analysis for streamlining species identification of mesopelagic fishes
Notice bibliographique
Résumé
Identifying fish to species level is important for fisheries research as it ensures the accuracy of catch data reported by fishing vessels and informs best management strategies for harvested taxa. Genetic methods are one of the most common techniques used for identifying fish species but can be time-consuming and costly and may lead to incorrect or incomplete identifications if genetic baselines do not exist. Visual identifications using otolith shape are an inexpensive alternative that can be used to identify large numbers of fish samples quickly and with high accuracy. The objective of this study was to compare two methods of taxonomic identification ( i.e. , DNA barcoding of the COI-5P marker and visual identifications using body morphology, distinguishing features and otolith shape) for 240 specimens of mesopelagic fishes as they occupy a critical role in marine food webs. We also tested the effectiveness of geometric morphometrics in delineating species of mesopelagic fishes based on otolith shape. Our results showed that visual identifications agreed with genetic identifications 89 % of the time, and that both techniques were effective for identifying mesopelagic fishes. Additionally, we found that geometric morphometrics were successful in distinguishing mesopelagic fishes using otolith shape 86 % of the time. Otolith shape is a useful tool for the taxonomic identification of mesopelagic fishes in the Northeast Pacific Ocean and should be employed with higher frequency by fisheries researchers, especially in the absence of taxonomic or genetic expertise.
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 | 0,001 | 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 | 0,000 | 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 ».