Research Trends and Hotspots in eDNA-Based Surveys of Macroinvertebrates: A Bibliometric Analysis
Notice bibliographique
Résumé
Environmental DNA metabarcoding offers an efficient and non-invasive solution for aquatic biomonitoring surveys, particularly demonstrating remarkable potential in macroinvertebrate research. In this study, we systematically analyzed 322 articles in the Web of Science Core Collection from 2010 to 2024 using bibliometric methods to reveal the research trends and technological advances in the field of macroinvertebrate surveys based on eDNA metabarcoding technology. The results showed that the number of annual publications has increased rapidly since 2012, with the United States (n = 58), France (n = 43), and Canada (n = 39) as the main contributing countries, and the most intensive collaboration network was observed among Europe countries. A keyword analysis shows that, in the past five years, the research direction has shifted to novel methodologies including multi-marker approaches, quantitative PCR, digital PCR, and other molecular detection platforms and high-throughput sequencing technology, with the integration of machine-learning and deep-learning architecture significantly improving the taxonomic resolution of data analysis. Despite the advantages of eDNA metabarcoding technology in terms of sensitivity and efficiency, persistent challenges including false positives/negatives in detection and incomplete reference databases are still the main challenges. This study provides methodological evidence for standardizing eDNA protocols in benthic assessments while identifying critical knowledge gaps.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,029 | 0,132 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».