Développement d’une méthode PCR-SSCP pour caractériser le régime alimentaire des gastéropodes
Bibliographic record
Abstract
Déterminer le régime alimentaire des gastéropodes terrestres est important étant donné leurs impacts écologiques et économiques. L’observation en nature est difficile, car les gastéropodes sont principalement actifs la nuit et sont de petite taille. De plus, l’analyse visuelle des contenus digestifs est compliquée car les gastéropodes broient leurs aliments, ne permettant pas une identification précise. L’objectif est de produire une méthode fiable et peu onéreuse pour déterminer le régime alimentaire des gastéropodes en milieu naturel. Le modèle, Arion fuscus, a été échantillonné au printemps dans quatre érablières anciennes du sud du Québec (Canada). Une approche basée sur l’ADN a été utilisée avec amplification par PCR d’un segment d’un gène chloroplastique. La diversité a été déterminée par électrophorèse sur gel non-dénaturant suivie d’un séquençage des variants d’intérêts pour identifier les plantes consommées. Pour les 52 limaces analysées, les PCR ont fonctionné avec succès et les extractions d’ADN de mêmes individus traités indépendamment ont montré les mêmes résultats sur les gels SSCP. Des résultats fiables ont été produits en quelques semaines et le nombre d’échantillons à séquencer a été limité, réduisant ainsi les coûts. Les résultats montrent une faible diversité végétale consommée (6 haplotypes) par A. fuscus; 78,8% des limaces ont uniquement consommé la même espèce de plante. Cette méthode peut permettre de meilleurs suivis des espèces consommées par les gastéropodes dans un contexte d’écologie de la conservation ou de contrôle des espèces nuisibles.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".