Utilizing aquatic environmental DNA to address global biodiversity targets
Notice bibliographique
Résumé
Achieving global biodiversity goals requires assessing, attributing and reversing the ongoing, unprecedented biodiversity decline in aquatic ecosystems, and relies on adequate data to inform policy and action. Analysis of environmental DNA (eDNA) has become established as a novel and powerful approach to assess the state and functioning of aquatic ecosystems, and although increasingly implemented by stakeholders its potential is not yet fully tapped. In this Perspective, we review the current state of aquatic eDNA research, focusing in particular on the policy relevance of eDNA and its utility in contributing towards the Kunming–Montreal Global Biodiversity Framework. We summarize key technological developments in eDNA science to measure organismal diversity, its potential for spatial and temporal upscaling to become a key reference for local to global biodiversity action, and the next steps needed to effectively implement eDNA for decision-making and reaching biodiversity targets. Using eDNA to support biodiversity assessment will particularly benefit the understanding of understudied ecosystems and allow the direct calculation of ecological indices and implementation of FAIR (findable, accessible, interoperable and reusable) and inclusive data curation. Important next steps for eDNA require proper method standardization and commonly agreed quality standards, populating reference databases, and overcoming methodological constraints in retrofitting novel eDNA-based approaches to existing biodiversity monitoring approaches. Aquatic eDNA-based technologies offer the potential for universal and standardized biodiversity monitoring. In this Perspective, Altermatt et al. discuss how these technologies can help to achieve the targets of the Kunming–Montreal Global Biodiversity Framework through informing appropriate policy and actions, and describe the next steps required for widespread and equitable use of these technologies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».