The development and validation of long-read ITS-1/5.8S/ITS-2 nemabiome metabarcoding for ovine gastrointestinal nematodes using Oxford Nanopore Technologies (ONT) sequencing
Notice bibliographique
Résumé
Abstract ITS-2 rRNA nemabiome metabarcoding is increasingly used to characterize gastrointestinal nematode (GIN) communities. While powerful, current approaches have some limitations in their flexibility and applicability to smaller-scale studies and diagnostic use. The short read lengths provided by the Illumina platform may lack discriminatory power for some closely related species and also pose a challenge for new marker selection and primer design. To address these challenges, we have developed ITS-1/5.8S/ITS-2 rRNA Oxford Nanopore Technologies (ONT) long-read metabarcoding for ovine gastrointestinal nematodes. Samples from two previous field studies, from UK and western Canadian sheep farms were used. ITS-1/5.8S/ITS-2 long-read metabarcoding showed strong concordance with prior ITS-2 data for the major GIN species in both datasets, with minor discrepancies for some low abundance taxa mainly due to differences in reference sequence database representation. We also used the PrimerTC tool to design a new primer pair, EC1 and EC2, to minimize the amplification of off-target fungal sequences derived from fecal DNA and maximize the nematode sequence read depth when ONT ITS-1/5.8S/ITS-2 metabarcoding was applied directly to ovine fecal stool DNA. In summary, ITS-1/5.8S/ITS-2 ONT long-read nemabiome metabarcoding showed good agreement with ITS-2 metabarcoding and the use of primer pair EC1/EC2 should make the approach more tolerant of fecal contamination of parasite material, with the potential for direct application to ovine fecal DNA. Overall, these new developments should make nemabiome metabarcoding more accessible, discriminating, and flexible for both research and diagnostic applications.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».