Field Test of the Self‐Preserving <scp>eDNA</scp> Filter and the Importance of Calibration When Changing Methods During Long‐Term Monitoring
Notice bibliographique
Résumé
ABSTRACT Filtering water is currently the primary field method used for collecting aquatic environmental DNA (eDNA). One of the drawbacks of filtering is the need to transfer the filter from the filter housing to a preservative‐filled container in the field. New products are being developed to avoid this handling step, but comparative studies are needed to ensure that the results produced by new protocols are transferable within and across eDNA monitoring programs. To meet this need, we evaluated two filter preservation methods (self‐preserving filter housing vs. ethanol) of the 5.0‐μm polyethersulfone (PES) filter membrane in a field trial typical of stream fisheries eDNA sampling. We compared DNA detection and yield for free‐swimming rainbow trout, Oncorhynchus mykiss (Walbaum, 1792), from streams in Washington, United States, and British Columbia, Canada, while accounting for the effects of two environmental covariates: stream discharge and water temperature. As these streams were part of an ongoing fisheries eDNA monitoring program, we also compared these methods to the original protocol, which used a 0.45‐μm cellulose nitrate (CN) filter membrane and ethanol preservative. We found that the self‐preserving filter housings collected and preserved eDNA well and provided similar results to identical filters preserved in ethanol. The 5.0‐μm PES filters preserved in ethanol significantly outperformed the original protocol in terms of both DNA detection and yield, highlighting the importance of calibration of eDNA results when changing sampling methods during an ongoing monitoring program.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».