Environmental DNA (eDNA) data from the 2019 and 2020 Gulf of Alaska International Year of the Salmon Expeditions
Notice bibliographique
Résumé
This dataset contains environmental DNA (eDNA) data collected in the Northeast Pacific Ocean. These data were collected as part of the International Year of the Salmon (IYS) Gulf of Alaska High Seas Expedition conducted in March and April 2020 and 2021, to further improve the understanding of factors impacting salmon early marine winter survival. eDNA analysis uses the free DNA shed from organisms and available in the environment to assess species diversity and composition. The eDNA database will provide overall composition of nekton, micronekton and zooplankton allowing estimation of salmon prey and potential predators. Water collected with Niskin bottle from 2-3m. 2L filtered onto Sterivex column for each replicate. Filters flash frozen. DNA extracted from filters using DNeasy kits (QUIAGEN). 16S and COI rRNA gens were amplified with PCR and sequenced on Illumina MiSeq platform using SE at 300 cycles. Reads were processed using obitools (https://pythonhosted.org/OBITools/welcome.html) and queired against nt using BLASTn. Reads were assigned to OTU using MEGAN (https://uni-tuebingen.de/fakultaeten/mathematisch-naturwissenschaftliche-fakultaet/fachbereiche/informatik/lehrstuehle/algorithms-in-bioinformatics/software/megan6/). Results were filtered using a cuttoff of >/=10 reads for positive detection. Detection of obvious contaminations belonging to human or food waste (sheep, pig, chicken, cow) as well as artificial positive controls were removed. For detailed information contact Dr. Christoph Deeg: chdeeg@mail.ubc.ca
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 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 ».