XiaoMi-AI文件搜索系统
World File Search Systembarcoding
DNA metabarcoding在极夜间揭示了北极两亲植物的多样性，杂食饮食，果冻鱼和鱼作为主要猎物
简介：目前，北极海洋生态系统正在目睹全球最快的身体变化，导致全球和底栖群落和食品网络结构发生转变，这与引入北方物种有关。凝胶状浮游生物或果冻鱼代表了一个特定的一组，其中几种北方物种容易经历显着的极点范围的扩张，并且在持续变化的过程中，北极的种群增加。从历史上看，果冻被认为是一种营养的死胡同，但是使用现代工具的越来越多的研究强调了它们作为海洋食品网中主要猎物的作用。在这项研究中，我们旨在验证果冻和其他后生动物作为北极夜间食品网络中的食物来源的作用，而骨髓资源有限。
基于定量EDNA元法编码的生态指标：海洋储量的情况
在海洋生物多样性侵蚀的背景下，更好地了解过度捕捞的影响的需求脱颖而出。已经出现了新的遗传技术，例如环境DNA（EDNA）元法编码，并允许检测更广泛的物种，但仍未提供可靠的丰度估计以及随后的生态指标。在本文中，我们提出了MET Abarcoding和定量聚合酶链反应的组合，以获得每个物种EDNA分子的数量。这种方法用于内外六个无接收地中海海洋储备，以测量保护对鱼类物种的影响并建立新的指标。即使储量内部和外部的鱼类埃德纳分子的总数也没有差异，我们发现隐底鱼Edna与储量外部明显相关。基于这一观察结果，我们提出了一种新型的生态指标，即底栖鱼类埃德纳（Debra）（debra），利用EDNA的能力来检测经典调查通常会错过的隐底礁鱼。黛布拉内部储量的明显更高，反映出属于垂直于捕捞的层和塞氏鱼类的EDNA分子较高，因此它似乎是可靠的基于EDNA的人类压力指标。此外，黛布拉对栖息地或环境变化不敏感，并且不需要完整的EDNA序列参考数据库，因为如果可能和必要，它可以依赖于在属或家庭规模上分配的序列。
DNA生命项目的DNA条形码SOP
该协议集合描述了达尔文生命项目中DNA条形码的标准操作程序。SOP涵盖了海洋生物协会的大型藻类和海洋生物，真菌和地衣的条形码，牛津大学的生物，爱丁堡皇家植物园的植物和地衣在伦敦自然历史博物馆的植物和地衣。
DNA在牛津纳米孔上的条形码：多路复用多达24 x 96孔板
本协议描述了用于测序标准COI标记的实验室协议（即DNA条形码），多路复用多达2,280个标本（24 x 96井板，每个板的一个阴性对照孔），以在牛津纳米孔技术上运行，in 10.4.1在占用量序列仪上流动细胞。所有索引都是通过PCR使用标记的引物来完成的，这意味着图书馆准备仅在单个管中进行，所有2,280个PCR均得到了合并。这是通过不对称索引来完成的，其中带有96个唯一分子标识符（UMIS）的正向引物提供了映射到96孔板的孔，而带有24 UMIS的反向引物则将其映射到板上。
环境DNA（EDNA）12S元编码PCR方案（使用铂Superfi II TAQ）
1。在密歇根州立大学的研究技术支持机构（RTSF）上进行了二级扩增和NGS。将每种纯化的原代PCR产物的20μL等分试样送到MSU的RTSF基因组核心，以用于临时PCR扩增，该引物针对主要PCR产物的CS1/CS2末端，并添加了双重索引，具有双重指标的，光明的，光明的兼容型适配器与酒吧尺度。
物种鉴定显示伊朗重要鱼类产品存在 DNA 条形码错误标签
(100%) OK C2 C3 D1 黑鲳鱼片 Parastromateus niger Parastromateus niger (100%) OK D2 D3 E1 日本红鲂鱼片 Nemipterus japonicus Nemipterus japonicus (99.8%) OK E2
DNA提取和采样方法对通过冷烟鲑和加工植物表面监测的细菌群落的影响
AurélienMaillet，AgnèsBouju-Albert，Steven Roblin，PaulineVaissié，SébastienLeuillet等。dna提取方法和采样方法对细菌群落的采样方法和采样方法，受16s rdna Metabarcoding在冷salmokeped salmon and Processing salmon and Processing surfaces中监测的细菌群落。食品微生物学，2021，95，pp.1-10。10.1016/j.fm.2020.103705。hal-03492706
不完整的谱系分类解释了在四种西欧蚱hoppers（Orthoptera：acrididae：chorthippus）的辐射中DNA条形码低的性能
Benoit Nabholz。不完整的谱系分类解释了四种西欧蚱hoppers的辐射中DNA条形码的低性能（Orthoptera：Acrididae：Chorthippus）。林尼社会生物学杂志，2023年，10.1093/biolinnean/blad106。hal-04192161
Optimutu：具有优化阈值的分类学意识到OTU聚类和用于元编码数据的生物信息学工作流程
要将以环境得出的元编码数据转换为社区矩阵进行生态分析，必须首先将序列聚集到操作分类单元（OTU）中。此任务对于包括大量带有不完整参考库的数据，包括大量的分类单元。OptimoTU提供了一种具有分类学意识的OTU聚类方法。它使用一组分类学识别的参考序列来选择最佳的遗传距离阈值，以将每个祖先分类群分组为最与后代分类单元最匹配的集群。然后，查询序列根据初步分类学标识和其祖先分类群的优化阈值聚类。该过程遵循分类学层次结构，从而将所有查询序列的所有查询序列完全分类为命名的分类学组以及占位符“ Pseudotaxa”，这些序列适合无法分类为相应等级的命名分类单元的序列。Optimutu聚类算法是作为R软件包实现的，在C ++中实现了速度的计算密集步骤，并合并了成对序列对齐的开源库库。距离也可以在外部计算，并且可以从UNIX管道中读取，从而允许大型数据集聚类，在该数据集中，整个距离矩阵将不方便地存储在内存中。Optimutu生物信息学管道包括一个完整的工作流程，用于配对端的Illumina测序数据，其中包含了质量过滤，DeNoising，Wratifact删除，分类学分类以及与Optimotu的OTU集群。开发了用于高性能计算簇的OptimoTU管道，并将其缩放到每个样品和数万个样本的数据集中。
使用大量DNA条形码监测生物多样性
。CC-BY 4.0国际许可证。根据作者/资助者提供了预印本（未经同行评审的认证）提供的，他已授予Biorxiv的许可证，以在2025年2月8日发布的此版本中在版权所有者中显示预印本。 https://doi.org/10.1101/2025.02.07.636998 doi：Biorxiv Preprint