Identification of potential insect ecological interactions using a metabarcoding approach
Notice bibliographique
Résumé
Species interactions are challenging to quantify, particularly when they happen cryptically. Molecular methods have become a key tool to uncover these interactions when they leave behind a DNA trace from the interacting organism ( e.g ., pollen on a bee) or when the taxa are still present but morphologically challenging to identify ( e.g ., microbial or fungal interactions). The decreasing costs of sequencing makes the mass analysis of thousands of target species possible. However, the challenge has shifted to selecting molecular markers which maximize information recovery while analyzing these data at broad biological scales. In this manuscript we use model arthropod groups to compare molecular markers and their analysis across life stages. We develop protocols for two ecologically and economically devastating pests, the spongy moth ( Lymantria dispar dispar ) and the emerald ash borer ( Agrilus planipennis ), and a group of pollinators including bees and wasps which regularly deposit eggs in “bee hotels” where the larvae develop. Using Illumina MiSeq and Oxford Nanopore MinION platforms we evaluate seven primer pairs for five molecular markers which target plants, fungi, microbes, insects, and parasitic phyla ( e.g. , nematodes). Our data reveals hundreds of potential ecological interactions and establishes generalized methods which can be applied across arthropod host taxa with recommendations on the appropriate markers in different systems. However, we also discuss the challenge of differentiating co-occurring DNA signals and true ecological interactions, a problem only starting to be recognized as eDNA from the environment accumulates on living organisms.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».