Integrating DNA sequencing and morphological identification enhances understanding of epiphytic diatom diversity and ecology
Notice bibliographique
Résumé
Eelgrass ( Zostera spp.) forms productive and biodiverse marine meadows throughout the world. There eelgrass provide living substrata for epiphytes, including diatoms, which contribute substantially to primary productivity. Despite their important role, there are many gaps in our understanding of the diversity and ecology of epiphytic diatoms. Here, we combined morphological identification by scanning electron microscopy and light microscopy with Illumina sequencing of the 18S rRNA and rbcL marker genes to survey the diatom community on eelgrass ( Zostera marina) from Galiano Island, British Columbia across a gradient of tissue age. We detected 76 genera of diatoms, 47 with both molecular and morphological methods. Using a spatially explicit morphological census, we observed a significant increase in density and a moderate increase in diversity across tissue age. We found that changes in community composition are driven by nestedness rather than turnover. The diatom community diversity and composition detected by molecular data did not differ by tissue age. We suggest that this is because molecular data surveyed a larger area (5 cm 2 vs. 200 µm 2 ), so rare taxa are more likely to be present. Overall, we found that integrating morphological and molecular datasets enhances detection of diversity and provides context for interpreting ecological patterns.
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 | 0,000 |
| 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 ».