MétaCan
Menu
Retour à la cohorte
Enregistrement W4409727436 · doi:10.1101/2025.04.17.649222

Innovative airborne DNA approach for monitoring honey bee foraging and health

2025· preprint· en· W4409727436 sur OpenAlexafffund
Mateus Pepinelli, Alejandro José Biganzoli‐Rangel, Katherine Lunn, Patrick Arteaga, Daniel Lago Borges, Amro Zayed, Elizabeth L. Clare

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInsect and Pesticide Research
Établissements canadiensBeef Farmers of OntarioLaurentian UniversityYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésForagingHoney beeEnvironmental scienceBiologyZoologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Environmental DNA refers to genetic material collected from the environment and not directly from an organism of interest. It is best known as a tool in aquatic ecology but eDNA has been found associated with almost every substrate examined including soils, surfaces, and riding around on other animals. The collection of airborne eDNA is one of the most recent advances used to monitor a variety of organisms, including plants, animals, and microorganisms. Evidence suggests a high turnover rate providing a recent signal for the presence of DNA associated with an organism. Here, we test whether biological material carried in air in honey bee colonies can be used to evaluate recent foraging and colony health. We sampled air using purpose built “bee safe” filters operating for 5-6 hours at each colony and successfully recovered plant, fungal and microbial DNA from the air within honey bee colonies over a 3-week pilot period. From these data we identified the core honey bee microbiome and plant interaction data representing foraging behaviour. We calculated beta diversity to estimate the effects of apiary sites and sampling date on data recovery. We observed that variance in ITS data was more influenced by sampling date. Given that honey bees are generalist pollinators our ability to detect temporal signals in associated plant sequence data suggest this method opens new avenues into the ecological analysis of short term foraging behavior at the colony level. In comparison variance in microbial 16S sequencing data was more influenced by sampling location. As the assessment of colony health needs to be localized, spatial variance in these data indicate this may be an important tool in detecting infection. This pilot study demonstrates that colony air filtration has strong potential for the rapid screening of honey bee health and for the study of bee behaviour

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,283
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetInsect and Pesticide ResearchTravaux en français237 207