MétaCan
Menu
Retour à la cohorte
Enregistrement W7024229456

Roadmap for implementing environmental DNA (eDNA) and other molecular monitoring methods in Finland – Vision and action plan for 2022–2025

2022· book· en· W7024229456 sur OpenAlexaboutno aff

Notice bibliographique

RevueTyöväentutkimus Vuosikirja · 2022
Typebook
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental DNA in Biodiversity Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAction planEnvironmental monitoringPlan (archaeology)Christian ministryBiodiversityAction (physics)Environmental DNAEnvironmental data
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Roadmap for implementing environmental DNA (eDNA) and other molecular monitoring methods in Finland – Vision and Action Plan for 2022-2025 Technological development in molecular methodology has been extremely fast in the past two decades, and groundbreaking new approaches have been introduced. It is now possible to detect and quantify DNA or RNA of target species or even map the whole species community in environmental samples of water, sediment, soil, air or assemblages of whole organisms. Moreover, the costs of high-throughput sequencing and other advanced molecular methods have decreased and methodological pipelines from sampling to data analysis developed sufficiently to allow large-scale, routine application of the new methods in environmental monitoring. This presents a huge opportunity to improve the coverage, accuracy and cost-efficiency of monitoring, enabling a much more complete picture of biodiversity and the state of the environment and their trends. As the new European Biodiversity Strategy for 2030 and other international policies to halt biodiversity loss and the degradation of habitats are translated into concrete measures, the quality of the monitoring data will play a crucial role in determining their success or failure. In this roadmap commissioned by the Finnish Ministry of the Environment, we assess the state-of-the-art in molecular monitoring methods in Finland within the international context, identify challenges and development areas that remain to be addressed and propose an action plan for promoting the coordinated implementation of molecular methods in national monitoring programs. Apart from the most recent scientific literature, our analysis is based on survey results, direct enquiries and interviews. Participation of the national community of experts from different sectors was enabled and invited at several stages of the roadmap preparation. Internationally, molecular monitoring methods are being actively developed and are routinely implemented in monitoring across different taxa and ecosystems. In Finland, molecular monitoring methods have been tested and piloted by all major institutions responsible for environmental monitoring, and the methods are already applied routinely in the monitoring of individual game species such as the wolf and European and Canadian beaver. However, other areas such as the monitoring of biodiversity, threatened species, non-mammalian invasive species or emerging plant or animal pests remain less developed, and national efforts and expertise are scattered across different organizations. Funding and know-how are perceived as the most important factors limiting molecular monitoring method implementation. We estimate that extensive, routine implementation of a wide range of molecular monitoring methods is conceivable in Finland before 2030. As the primary development areas for reaching this goal, we identify (i) international coordination and standard development, (ii) networking across sectors, (iii) education, (iv) infrastructure, (v) reference sequence libraries and the mapping of whole genomes, and (vi) modelling and analysis tool development. For concrete actions in 2022–2025, we propose (1) a cross-governmental funding instrument, (2) a permanent working group responsible for national and international coordination, (3) a national network and (4) an online platform to enhance interaction and knowledge transfer, as well as (5) a national data management system with collectively agreed data and metadata formats and standards. ---------- Kansallinen tiekartta ympäristö-DNA:n ja muiden molekyylibiologisten seurantamenetelmien käyttöönotolle – visio ja toimenpidesuunnitelma vuosille 2022-2025 Molekyylibiologisten menetelmien teknologinen kehitys on ollut ennennäkemättömän nopeaa kahden viime vuosikymmenen aikana. Uudet menetelmät mahdollistavat kohdelajien DNA:n tai RNA:n havaitsemisen ja runsausmäärityksen tai koko eliöyhteisön kartoittamisen esimerkiksi vesi-, sedimentti-, maaperä- tai ilmanäytteistä tai kokonaisia yksilöitä sisältävistä kokoomanäytteistä. Massiivisen rinnakkaissekvensoinnin ja muiden menetelmien kustannukset ovat merkittävästi laskeneet ja menetelmäketjut näytteenotosta tulosten tulkintaan kehittyneet asteelle, joka mahdollistaa niiden laajamittaisen, rutiininomaisen käytön ympäristön seurannassa. Uusien menetelmien avulla voimme parantaa seurannan kattavuutta, tarkkuutta ja kustannustehokkuutta ja siten täydentää seurannan kautta muodostuvaa kuvaa luonnon monimuotoisuudesta ja sen muutoksista. Tälle tiedolle on suuri tarve – laadukas seuranta on keskeinen edellytys sille, että EU:n uuden biodiversiteettistrategian ja muiden luontokadon ja elinympäristöjen tilan huonontumisen pysäyttämiseen tähtäävien kansainvälisten sitoumusten toimeenpano onnistuu. Tässä ympäristöministeriön tilaamassa tiekartassa arvioimme molekyylibiologisten seurantamenetelmien nykytilaa Suomessa osana laajempaa kansainvälistä kenttää, tunnistamme huomiota vaativia haasteita ja kehityskohteita ja ehdotamme konkreettisia toimenpiteitä molekyylibiologisten seurantamenetelmien koordinoidun käyttöönoton edistämiseksi lähivuosien aikana. Selvityksemme perustuu uusimman tieteellisen kirjallisuuden lisäksi kyselytutkimukseen sekä suoriin tiedusteluihin ja haastatteluihin. Yhteiskunnan eri sektoreita edustava kansallinen asiantuntijayhteisö osallistui tiekartan valmisteluun työn eri vaiheissa. Molekyylibiologisia seurantamenetelmiä kehitetään parhaillaan aktiivisesti ympäri maailmaa eri eliöryhmille ja ekosysteemeille, ja yksittäisiä menetelmiä on useissa maissa otettu myös rutiininomaiseen käyttöön. Suomessa menetelmiä on kehitetty ja pilotoitu kaikissa keskeisissä ympäristön seurantaa koordinoivissa laitoksissa, ja yksittäisten riistaeläinten kuten suden ja kanadan- ja euroopanmajavan seurannassa ne ovat jo rutiinikäytössä. Biodiversiteetin, uhanalaisten lajien, vieraslajien (nisäkkäitä lukuun ottamatta) ja muiden haitallisten lajien kansallisessa seurannassa molekyylibiologisten menetelmien käyttö on kuitenkin vielä kokeiluasteella, ja kehittämishankkeiden ja asiantuntijuuden kenttä on hajanainen. Riittämätöntä rahoitusta ja osaamista pidetään alan asiantuntijoiden keskuudessa tärkeimpinä menetelmien käyttöönottoa rajoittavina tekijöinä. Arviomme mukaan laaja kirjo molekyylibiologisia seurantamenetelmiä olisi mahdollista ottaa laajamittaiseen rutiininomaiseen käyttöön vuoteen 2030 mennessä. Tärkeimmiksi kehityskohteiksi nousivat (i) kansainvälinen koordinaatio ja menetelmien standardointi, (ii) organisaatioiden ja sektoreiden välinen verkostoituminen, (iii) koulutus, (iv) infrastruktuuri, (v) referenssisekvenssikirjastot ja kokonaisten genomien kartoittaminen sekä (vi) malli- ja analyysityökalujen kehittäminen. Konkreettisiksi toimenpiteiksi vuosille 2022-2025 esitämme (1) poikkihallinnollista rahoitusohjelmaa molekyylibiologisten seurantamenetelmien käyttöönottoa edistäville tutkimus- ja kehityshankkeille, (2) pysyvää työryhmää kansallisen ja kansainvälisen koordinaation edistämiseksi, (3) olemassa olevan kansallisen asiantuntijaverkoston laajentamista, (4) internet-pohjaista alustaa vuorovaikutuksen ja tiedonjaon tehostamiseksi sekä (5) kansallista, yhdessä sovittuja data- ja metadatastandardeja noudattavaa molekyylibiologisten seuranta-aineistojen tiedonhallintajärjestelmää.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,001
Communication savante0,0050,005
Science ouverte0,0040,007
Intégrité de la recherche0,0080,005
Charge utile insuffisante (le modèle a refusé de juger)0,0270,014

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 Opus0,036
Tête enseignante GPT0,318
Écart entre enseignants0,282 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTyöväentutkimus VuosikirjaMême sujetEnvironmental DNA in Biodiversity StudiesTravaux en français237 207