Development, Validation, and Implementation of <scp>eDNA</scp>‐Focused <scp>qPCR</scp> Assays to Detect and Distinguish Between Goldfish (<scp><i>Carassius auratus</i></scp>) and Prussian Carp (<scp><i>Carassius gibelio</i></scp>)
Notice bibliographique
Résumé
ABSTRACT The ability to accurately detect harmful aquatic invasive species in a species‐specific manner is crucial to monitoring and management efforts. The Canadian province of Alberta currently harbors North America's only invasive Prussian Carp populations, in addition to invasive Goldfish populations. The ability to quickly and accurately distinguish between these phenotypically similar fish, while also determining their presence in various waterbodies, is important in tracking invasions. In this work, we develop a cytochrome B–based assay, as well as an ND2‐based assay to distinguish between these two fish. The 84‐bp‐long CytB assay featured a limit of detection of 5.8 and 4.8 copies/sample for Prussian Carp and Goldfish, respectively, while the 95‐bp‐long ND2 assay featured LODs of 6.3 and 1.6 copies/sample, respectively. We demonstrate that each of these assays fails to amplify these markers in closely related fish species common to Alberta. They also fail to amplify key invasive carp species, apart from the Goldfish ND2 assay, which cross‐reacts with Common Carp. We then implement these assays and find 13 Goldfish and 47 Prussian Carp environmental DNA detection events throughout the Canadian province of Alberta. Finally, we show that assays broadly agree with visual observation data gathered from various reporting mechanisms, highlighting their validity in a monitoring program.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».