Thermal stratification and fish thermal preference explain vertical eDNA distributions in lakes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Significant advances have been made towards surveying animal and plant communities using DNA isolated from environmental samples. Despite rapid progress, we lack a comprehensive understanding of the “ecology” of environmental DNA (eDNA), particularly its temporal and spatial distribution and how this is shaped by abiotic and biotic processes. Here, we tested how seasonal variation in thermal stratification and animal habitat preferences influence the distribution of eDNA in lakes. We sampled eDNA depth profiles of five dimictic lakes during both summer stratification and autumn turnover, each containing warm- and cool-water fishes as well as the cold-water stenotherm, lake trout (Salvelinus namaycush). Habitat use by S. namaycush was validated by acoustic telemetry and was significantly related to eDNA distribution during stratification. Fish eDNA became “stratified” into layers during summer months, reflecting lake stratification and the thermal niches of the species. During summer months, S. namaycush, which rarely ventured into shallow waters, could only be detected at the deepest layers of the lakes, whereas the eDNA of warm-water fishes was much more abundant above the thermocline. By contrast, during autumn lake turnover, the fish species assemblage as detected by eDNA was homogenous throughout the water column. These findings contribute to our overall understanding of the “ecology” of eDNA within lake ecosystems, illustrating how the strong interaction between seasonal thermal structure in lakes and thermal niches of species on very localised spatial scales influences our ability to detect species.
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.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,006 |
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 découle