MétaCan
Menu
Retour à la cohorte
Enregistrement W6932041932 · doi:10.5683/sp3/kbpyix

Crustacean zooplankton and macroinvertebrate traditional taxonomy abundance data and whole community COI eDNA metabarcoding data from 13 high elevation Rocky Mountain lakes [Canada, 2018]

2022· dataset· en· W6932041932 sur OpenAlexafffundabout

Notice bibliographique

RevueBorealis · 2022
Typedataset
Langueen
DomaineComputer Science
ThématiqueFuzzy Logic and Control Systems
Établissements canadiensMcGill UniversityParks CanadaUniversité du Québec à Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGroupe de recherche interuniversitaire en limnologie
Mots-clésInvertebrateAbundance (ecology)ZooplanktonRelative species abundanceMarshCytochrome c oxidase subunit IBiodiversityTaxonomy (biology)Trout

Résumé

récupéré en direct d'OpenAlex

Crustacean zooplankton, macroinvertebrates and eDNA (water filtration) samples were collected from 13 high elevation mountain lakes along a range of elevation and exotic brook trout abundance in the fall of 2018 in the Rocky Mountains, Canada. Traditional enumeration methods were performed on the zooplankton samples to the species level, and macroinvertebrate samples to the family level to obtain community abundance data. eDNA samples were sequenced using cytochrome c oxidase subunit I (COI) mitochondrial gene region. Sequences were assigned to ASVs. ASVs were analysed using sequences aligned to zooplankton, macroinvertebrates and whole community separately. In addition, 15 environmental variables were used to capture abiotic variation between lakes. The data files include the traditional abundance data, the ASV sequences, taxonomic assignments of sequences and site environmental data. We used this data to validate the known community patterns of zooplankton and macroinvertebrate communities known to occur in this system and then examine if eDNA metabarcoding using COI could detect these same patterns. We also evaluated long term impact of brook trout abundance on those communities along an elevation gradient.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0050,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,083
Tête enseignante GPT0,236
Écart entre enseignants0,153 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBorealisMême sujetFuzzy Logic and Control SystemsTravaux en français237 207