Taxonomic Blind Spots: A Limitation of Environmental DNA Metabarcoding‐Based Detection for Canadian Freshwater Fishes
Notice bibliographique
Résumé
ABSTRACT With increasing utilization of eDNA metabarcoding for fish community assessment, it is critical to identify, address, and communicate its capabilities and limitations. One limitation of great concern is the reliability of taxonomic coverage. Taxonomic blind spots, defined as consistent false negatives for specific taxa despite known presence, reduce corroboration with conventional surveys and can limit the uptake of eDNA metabarcoding for biomonitoring. These blind spots result from gaps in reference sequence libraries, issues with taxonomic resolution, inefficient binding of universal primers to the DNA of certain species, and ineffective collection during the sampling of eDNA. To explore this, a multiproject empirical dataset was compiled and analyzed to evaluate the taxonomic coverage of eDNA metabarcoding for a subset of Canadian freshwater fishes using a standardized workflow for two genetic markers: 12S MiFish‐U and Vertebrate COI. The compiled dataset consists of species lists generated by eDNA surveys, paired conventional surveys, and historical records. In total, 59 fish species across 15 families were evaluated of which approximately 40% were unable to be consistently detected by either marker because of a blind spot. The 12S and COI markers also differed in which kinds of blind spots were most frequently observed, with 12S markers exhibiting more reference and resolution blind spots and the COI marker exhibiting more unclassified blind spots. Additionally, in silico primer testing exhibited inconsistent predictions for amplification when using multiple software packages, suggesting the need for further in vitro analysis to troubleshoot primer‐related blind spots. This study highlights the impact of these blind spots in taxonomic coverage on eDNA metabarcoding studies of Canadian freshwater fishes. The limitations imposed by taxonomic blind spots should be addressed in future optimization efforts as eDNA metabarcoding sees broader acceptance as an applied method for fish biomonitoring.
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 | 0,009 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».