Global Availability of Plant <scp>DNA</scp> Barcodes as Genomic Resources to Support Basic and Policy‐Relevant Biodiversity Research
Notice bibliographique
Résumé
Genetic technologies such as DNA barcoding make it easier and less expensive to monitor biodiversity and its associated ecosystem services, particularly in biodiversity hotspots where traditional assessments are challenging. Successful use of these data-driven technologies, however, requires access to appropriate reference data. We reviewed the >373,584 reference plant DNA barcodes in public repositories and found that they cumulatively cover a remarkable quarter of the ~435,000 extant land plant species (Embryophyta). Nevertheless, coverage gaps in tropical biodiversity hotspots reflect well-documented biases in biodiversity science - most reference specimens originated in the Global North. Currently, at least 17% of plant families lack any reference barcode data whatsoever, affecting tropical and temperate regions alike. Investigators often emphasise the importance of marker choice and the need to ensure protocols are technically capable of detecting and identifying a broad range of taxa. Yet persistent geographic and taxonomic gaps in the reference datasets show that these protocols rely upon risk undermining all downstream applications of the strategy, ranging from basic biodiversity monitoring to policy-relevant objectives - such as the forensic authentication of materials in illegal trade. Future networks of investigators could work strategically to improve data coverage, which will be essential in global efforts to conserve biodiversity while advancing more fair and equitable access to benefits arising from genetic resources.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 ».