The potential of seedbank digital information in plant conservation
Notice bibliographique
Résumé
Societal Impact Statement Seedbanks are vital for biodiversity conservation, but their potential remains underutilised due to a limited understanding of the intraspecific genetic diversity they hold. By leveraging digitised data associated with seedbank collections, such as sampling locations, number of maternal plants and seed traits, we can attempt the estimation of genetic variation and identify gaps in collections, enabling better prioritisation of species for conservation efforts. These advancements can inform policy targets like those of the Kunming‐Montreal Global Biodiversity Framework, promoting more effective conservation strategies. Digitisation and emerging machine‐learning technologies offer scalable, cost‐efficient solutions to enhance conservation knowledge, ensuring biodiversity resilience for future generations. Summary Seedbank collections hold significant untapped potential for advancing conservation science and practice, but the intraspecific genetic diversity (i.e. diversity within a species) stored in worldwide seedbank collections remains largely unknown, hindering the effective use of seeds for both informing and implementing in situ interventions. As producing genetic data is time‐consuming and expensive, other data associated with seedbank collections can greatly enhance our understanding of the genetic variation stored in seed collections when genetic data are unavailable. Information such as the location of sampling sites, estimated population size and the number of mother plants from which seeds were collected can facilitate the estimation of the genetic diversity captured in the collections. This information can also be used to estimate the sampling effort required to fill gaps in seedbank collections to better represent genetic diversity, through comparison with existing baselines from species where genetic diversity is characterised, and through simulations. Digitisation of the data associated with seedbank collections makes the approaches above practicable at scale. In addition, digital images of the seeds themselves may identify intraspecific phenotypic variation and can, therefore, be used to prioritise populations for future genetic studies. In this article, we explore the potential of digitised information made available by seedbanks for improving our understanding of the intraspecific genetic diversity preserved in collections. We describe possible improvements that might enhance the predictive power of digital information for genetic studies, and discuss the challenges and opportunities associated with these.
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 ».