Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Un pipeline de concoction pour générer des unités taxonomiques opérationnelles moléculaires (MOTU) chez les coléoptères riverains et aquatiques

914 vues

⸱

DOI :

10.3791/68323

⸱

11 juillet 2025

 ,  , 
1Ateneo Biodiversity Research Laboratory, Department of Biology, School of Science and Engineering, Higher Education Cluster, Ateneo de Manila University, 2Ateneo Institute of Sustainability, Ateneo de Manila University, 3Ateneo School of Medicine and Public Health, Higher Education Cluster, Ateneo de Manila University

Dans cet article

Résumé

Le protocole présenté ici vise à guider les utilisateurs sur le traitement informatique des séquences de gènes de la sous-unité I (COI) de la cytochrome c oxydase générées à partir de coléoptères, de sorte que l’hypothèse de regroupement d’espèces appelées unités taxonomiques opérationnelles moléculaires (MOTU) puisse être générée à partir de l’ADN.

Résumé

Le déclin de la biodiversité se produit à des rythmes inimaginables, mais la surveillance de la biodiversité est entravée par une pléthore de facteurs, notamment l’inventaire incomplet de la diversité de base et la diminution de la population de taxonomistes qualifiés. Combler cet obstacle dans l’inventaire des espèces de « taxons sombres », ou de groupes hyperdiversifiés souvent sous-étudiés en taxonomie, est particulièrement crucial dans les tropiques confrontés à des pressions environnementales insurmontables. Alors que la taxonomie alpha basée sur la morphologie reste la référence en matière d’identification des espèces, les méthodes basées sur l’ADN ont montré un énorme potentiel pour accélérer la délimitation et la découverte des espèces. Ici, nous décrivons un pipeline de concoction pour générer des unités taxonomiques opérationnelles moléculaires (MOTU) impliquant six approches de délimitation moléculaire des espèces mises en œuvre sur deux genres de coléoptères très discrets, à savoir Byrrhinus Motschulsky, 1858 de la famille des Limnichidae et Anacaena Thomson, 1859 de la famille des Hydrophilidae, des Philippines. Étant donné que ce protocole se concentre sur le traitement des codes-barres d’ADN et que ces données génétiques peuvent être obtenues soit par séquençage, soit par téléchargement à partir de bases de données en ligne, le point de départ du protocole décrit ici sont les séquences d’ADN. Compte tenu des codes-barres COI, le pipeline utilise une combinaison de trois approches de délimitation moléculaire des espèces basées sur des seuils, à savoir TaxonDNA, K2P et ASAP, qui utilisent l’alignement des séquences comme données d’entrée. De plus, le pipeline procède avec trois approches basées sur la coalescence, à savoir PTP-ML, PTP-BI et mPTP, qui nécessitent un fichier d’arborescence comme données d’entrée. Certaines approches impliquent l’utilisation de serveurs Web, tandis que d’autres utilisent des logiciels locaux. Avec la sélection des méthodes algorithmiques présentées, les MOTU peuvent être identifiés, que ce soit par consensus ou par majorité. Remarquablement, ce pipeline a délimité des espèces de coléoptères presque remarquables des Philippines, même celles documentées dans les mêmes localités ou dans des localités adjacentes.

Introduction

Avec les taux sans précédent de déclin mondial des espèces dans les taxons1, 2, 3 et 4, l’impulsion pour créer un inventaire complet de la biodiversité, qui comprend des espèces non découvertes et non décrites auparavant, devient une course contre la montre 2,5. D’une part, la conservation de la biodiversité n’a de sens qu’à la lumière de connaissances taxonomiques appropriées 6,7. Ainsi, l’identification de la biodiversité au niveau de l’espèce est nécessaire, étant donné que des espèces étroitement apparentées mais différentes peuvent avoir des niches fondamentales uniques8.

Dans la systématique des coléoptères, la taxonomie alpha ou taxonomie traditionnelle est l’étalon-or en matière d’identification des espèces, comme pour la plupart, sinon la totalité, des groupes d’animaux9. Cette approche s’appuie sur les caractères morphologiques pour classer les organismes à la taxonomie supérieure et pour fournir une identification au niveau de l’espèce10,11. Dans de nombreux cas, l’identification au niveau de la famille12 ou même au niveau du genre13 peut être effectuée en utilisant uniquement des caractéristiques morphologiques externes, telles que la forme du corps et des adaptations spécialisées. Pendant ce temps, l’identification au niveau de l’espèce chez les coléoptères se fait généralement par la comparaison des détails structurels de l’aedeagus ou des organes génitaux mâles 14,15,16.

Malgré l’acceptation généralisée de cette taxonomie alpha basée sur la morphologie, cette approche de la découverte d’espèces est entravée par de nombreux « obstacles taxonomiques »6,17,18, en particulier chez les invertébrés19. En systématique des coléoptères, l’identification et/ou la découverte d’espèces à l’aide de la taxonomie alpha se heurtent aux défis d’un nombre limité de taxonomistes qualifiés20,21, de descriptions antérieures brèves et à peine informatives22, et de problèmes logistiques liés à l’accès à la littérature et aux spécimens types23.

Cette situation est même exacerbée lorsque le taxon en question est cryptique ou très discret. L’espèce cryptique fait référence à l’ensemble des espèces d’un même genre, ou même de genres différents, qui ne peuvent pas être facilement délimités par une morphologie comparative, compte tenu des différences phénétiques interspécifiques subtiles24. Certains taxons cryptiques, considérés comme des « taxons sombres »25,26,27, souffrent en outre d’être hyperdiversifiés mais fortement sous-étudiés. Malheureusement, ce n’est pas rare chez les coléoptères riverains et aquatiques 8,28. L’incapacité à tenir compte de la délimitation des espèces parmi les taxons cryptiques sombres menace la biodiversité, car une mesure de conservation unique est accordée à des organismes de niches et d’exigences écologiques potentiellement différentes 8,29.

Compte tenu de ces défis, la « taxonomie intégrative »23, ou l’approche consistant à coupler la taxonomie alpha avec une autre source de preuves, a gagné du terrain en tant que moyen d’ériger de nouvelles espèces au cours des deux dernières décennies 30,31,32. L’une de ces sources de données utilisées dans les études taxonomiques intégratives sur les coléoptères 33,34,35,36,37,38,39 et d’autres ordres d’insectes 40,41,42,43,44,45 est la séquence d’ADN. En particulier, le gène de la sous-unité I de la cytochrome c oxydase mitochondriale (COI) est utilisé pour coder à barres un ensemble diversifié d’animaux en raison de sa nature modérément conservatrice 46,47,48. Alors que son extrémité 5' (COI-5') de 658 pb, également connue sous le nom de « fragment de codage à barres » ou « fragment de Folmer », a été proposée comme séquence « diagnostique »49, la COI-3′ de 723 pb est également utilisée en raison d’un ensemble robuste d’amorces pour l’extrémité 3' 50,51,52.

Alors que le codage à barres de l’ADN à l’aide du COI a été conçu pour l’identification au niveau de l’espèce, il est limité par un référentiel de séquences a priori 53, tel que GenBank54 et BOLD55, les approches moléculaires de délimitation des espèces fixent des limites d’espèces en utilisant uniquement les séquences d’ADN fournies sans référentiel prérequis56. Il existe deux classes d’approches moléculaires de délimitation des espèces basées sur le fichier d’entrée. Tout d’abord, en utilisant l’alignement des séquences comme entrée, les approches basées sur des seuils utilisent des valeurs seuils pour déterminer la divergence entre et au sein de l’espèce 48,57,58. En tant que méthodes basées sur la distance, ces approches reposent sur une distance intraspécifique maximale observée de 3 % pour les insectes, ce que l’on appelle « l’écart de codage à barres »51,59. Parmi les approches basées sur les seuils, citons SpeciesIdentifier implémenté dans TaxonDNA60, la distance génétique via Kimura 2-parameter (K2P)61 et Assemble Species by Automatic Partitioning (ASAP)62.

Deuxièmement, en utilisant l’arbre comme fichier d’entrée, les approches basées sur la coalescence identifient les limites des espèces et trient les lignées indépendantes en déterminant le changement du taux de ramification de la lignée 63,64,66. S’appuyant souvent sur le concept d’espèces phylogénétiques67, les approches basées sur la coalescence incluent les processus de l’arbre de Poisson (PTP)68 et leur variation, PTP69 à taux multiples. Dans tous les cas, les groupes formés par les approches de délimitation moléculaire des espèces sont collectivement appelés unités taxonomiques opérationnelles moléculaires (MOTU).

Ici, nous présentons des méthodes pour un pipeline de concoction pour générer des MOTU impliquant trois approches basées sur des seuils et trois approches basées sur la coalescence (Figure 1). Le pipeline est testé sur deux ensembles de données, à savoir (1) les séquences COI-3' des coléoptères riverains de Byrrhinus Motschulsky, 1858, qui est composée de deux espèces publiées35 précédemment érigées à l’aide de la taxonomie intégrative et de séquences supplémentaires d’espèces non décrites, et (2) les séquences COI-5' d’Anacaena Thomson, coléoptères 1859, qui sont composées de séquences de deux espèces publiées70 précédemment érigé à l’aide de la taxonomie alpha et de séquences supplémentaires d’espèces non décrites.

figure-introduction-1
Figure 1 : Organigramme du pipeline de concoction pour la génération de MOTU. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Les matériaux de départ de ce pipeline de concoction sont des séquences d’ADN, qui peuvent être téléchargées à partir de dépôts en ligne (par exemple, BOLD, GenBank) ou générées à partir du séquençage Sanger71. Les tableaux 1 et 2 énumèrent les numéros d’accession des ensembles de données dont les résultats représentatifs sont présentés dans le présent document.

1. Étape préparatoire aux approches basées sur les seuils : Alignement des séquences

  1. Chargez des séquences dans MEGA X72.
    REMARQUE : MEGA X peut être téléchargé à partir de https://www.megasoftware.net/
    1. Cliquez sur Aligner pour ouvrir un menu déroulant. Cliquez sur Modifier/Construire l’alignement et sélectionnez Créer un nouvel alignement. Cliquez sur OK pour confirmer cette sélection. Sélectionnez ADN comme type de données pour l’alignement.
    2. Passez la souris sur l’onglet Modifier et sélectionnez Insérer une séquence à partir d’un fichier. Naviguez jusqu’au répertoire contenant les séquences et sélectionnez-les pour les charger dans MEGA.
  2. Alignez les séquences en cliquant sur Alignement, puis sur Aligner avec ClustalW73. Continuez avec les paramètres par défaut et cliquez sur OK.
  3. Modifiez manuellement les séquences en coupant les deux extrémités et en nettoyant les insertions ou les suppressions.
    1. Pour supprimer les insertions, cliquez sur les bases et/ou les positions insérées, puis appuyez sur la touche Suppr du clavier.
    2. Pour corriger les suppressions, cliquez sur la position supposée avoir été supprimée comme indiqué par « -« . Supprimez le « - » et tapez la base souhaitée.
    3. Trouvez la position la plus ancienne où toutes les séquences ont un caractère. Cliquez sur la case vide de l’en-tête de la ligne de la position à gauche de la position déterminée, et faites glisser jusqu’à ce que les positions excédentaires pour toutes les séquences jusqu’à la fin de début soient sélectionnées. Appuyez sur Supprimer pour découper.
    4. Répétez l’étape 1.3.3 en recherchant la dernière position où toutes les séquences ont un caractère. Cliquez sur la case vide sur la ligne d’en-tête de la position à droite de la position déterminée, faites glisser jusqu’à ce que les positions excédentaires pour toutes les séquences jusqu’à la fin du terminal soient sélectionnées. Appuyez sur Supprimer.
      REMARQUE : La figure 2A montre un bon alignement des séquences d’ADN. L’ensemble de données final est une matrice de séquences de longueur égale ; Par conséquent, la longueur de la séquence n’est pas un facteur qui affecte les résultats de l’étude. Les séquences de référence servent de base pour la longueur finale de la matrice d’alignement.
  4. Traduisez la séquence pour vérifier s’il y a des codons stop, étant donné que COI est une séquence codant pour une protéine.
    1. Sélectionnez toutes les séquences, puis cliquez sur l’onglet Séquences de protéines traduites .
    2. Lorsque vous y êtes invité, vérifiez que le code génétique est mitochondrial. Si le code génétique est différent, cliquez sur Non, et un menu apparaîtra permettant de cocher la case pour le code génétique mitochondrial des invertébrés .
    3. Si des codons d’arrêt, tels qu’indiqués par des astérisques dans le corps de l’alignement, sont présents sur une colonne entière, cliquez sur Séquences d’ADN et supprimez la première position pour toutes les séquences.
    4. Répétez l’étape précédente si les codons stop sont toujours présents dans n’importe quelle séquence.
    5. Si les codons d’arrêt sont toujours présents, rétablissez les positions précédemment supprimées. Sélectionnez toutes les séquences, puis passez la souris sur l’onglet Données et cliquez sur Inverser.
    6. Répétez l’étape 1.4.1. Si les codons d’arrêt sont toujours présents, répétez les étapes 1.4.3 et 1.4.4.
      REMARQUE : La figure 2B montre un bon alignement des codons.
  5. Cliquez sur Séquences d’ADN et enregistrez l’alignement de la séquence sur .mas/x. Exportez la séquence dans d’autres types de fichiers pertinents, tels que les fichiers .meg et .fasta.
    REMARQUE : Certaines approches de délimitation moléculaire des espèces fonctionnent mieux sans l’exogroupe. Ainsi, une considération possible est de générer une copie du fichier d’alignement sans l’exogroupe.

figure-protocol-1
Figure 2 : Alignement de séquence dans MEGA X. (A) Nettoyage manuel de l’alignement final de la séquence d’ADN et (B) Alignement de la séquence protéique traduite de l’ensemble de données Byrrhinus, sans ajout ni déléttion, ni lacune. Veuillez cliquer ici pour voir une version agrandie de cette figure.

2. Délimitation par module d’ADN taxonomique dans l’identificateur d’espèce 1.8

REMARQUE : L’identificateur d’espèce peut être téléchargé à partir de https://taxondna.sourceforge.net/

  1. Ouvrez TaxonDNA. Cliquez sur Importer, puis sur FASTA. Téléchargez l’alignement au format .fasta.
  2. Cliquez sur Modules, puis sur Cluster. Définissez le seuil sur 3 %. Ensuite, cochez la case Générer des informations sur un cluster individuel (Figure 3).
  3. Cliquez sur Créer des clusters maintenant !. Enregistrez les résultats en prenant une capture d’écran.

figure-protocol-2
Figure 3 : TaxonDNA dans la fenêtre de l’identifiant d’espèce 1.8 montrant le seuil de délimitation de 3 % identifié par l’utilisateur. Veuillez cliquer ici pour voir une version agrandie de cette figure.

3. Délimitation par Kimura 2-parameter (K2P) dans MEGA X

  1. Dans MEGA, ouvrez le fichier .meg en cliquant sur Fichier, puis Ouvrir un fichier/une session. Cliquez sur Distance, puis sur Calculer les distances par paires. Confirmez la délimitation du fichier .meg.
  2. Passez la souris sur la case jaune à côté de Modèle/Méthode, puis cliquez sur la flèche qui apparaît à droite de la boîte.
  3. Sélectionnez le modèle Kimura à 2 paramètres dans le menu déroulant. Cliquez sur OK pour exécuter le programme. Ouvrez la fenêtre de sortie des données (Figure 4).
  4. Cliquez sur Fichier, puis sur Exporter/Imprimer les distances.
  5. Ouvrez le menu déroulant à côté de Format de sortie et sélectionnez XL : Classeur Microsoft Excel. Pour Décimales (Décimales), choisissez 4.
  6. Enregistrez la feuille de calcul résultante dans Microsoft Excel. Utilisez la mise en forme conditionnelle pour mettre en évidence ceux dont la distance est inférieure à 0,03 (ou 3 %).
    REMARQUE : Contrairement aux autres approches abordées dans cet article, K2P ne fournit pas immédiatement le clustering car il dépend du seuil identifié par l’utilisateur. Ce pipeline fonctionne sur l’hypothèse d’un seuil de 3 %, ce qui signifie que toute paire de séquences dont la distance génétique est inférieure à 3 % appartient au même cluster moléculaire.

figure-protocol-3
Figure 4 : Fenêtre résultante dans MEGA X montrant les résultats du paramètre Kimura-2. Veuillez cliquer ici pour voir une version plus grande de cette figure.

4. Délimitation par assemblage des espèces par partitionnement automatique (ASAP)

  1. Allez sur le serveur web ASAP : https://bioinfo.mnhn.fr/abi/public/asap/asapweb.html
  2. Téléchargez l’alignement en cliquant sur la case orange intitulée Choisir un fichier... et en sélectionnant le fichier .fasta. Vous pouvez également faire glisser le fichier .fasta vers la zone orange. Faites défiler vers le bas et cliquez sur Aller.
  3. Pour télécharger le clustering, cliquez sur la liste de la ligne avec le score ASAP le plus bas et le classement p-val le plus élevé (Figure 5).
    REMARQUE : Le résultat est un fichier .txt, qui présente des sous-ensembles des amas moléculaires.

figure-protocol-4
Figure 5 : Fenêtre résultante dans ASAP montrant les délimitations possibles. Le premier résultat (case bleue) est accepté en raison du score ASAP le plus bas (case rouge) et du rang P-val le plus élevé (case jaune). Veuillez cliquer ici pour voir une version agrandie de cette figure.

5. Étape préparatoire aux approches basées sur la coalescence : l’estimation des arbres

  1. Ouvrez le fichier .meg en cliquant sur Données, puis Ouvrir un fichier/une session. Testez le modèle de substitution le mieux adapté.
    1. Cliquez sur Modèles, puis trouvez Meilleurs modèles d’ADN/Protéines (ML). Confirmez le fichier .meg pour l’analyse.
    2. Cliquez sur OK dans le menu Préférences d’analyse (Figure 6A). Prenez note du meilleur modèle utilisant les valeurs BIC et AICc les plus basses (Figure 6B).
      REMARQUE : Il s’agit généralement du premier de la liste des modèles dans la fenêtre résultante. Reportez-vous aux noms complets des noms de modèles abrégés dans la partie inférieure de la fenêtre résultante.
  2. Générez l’arbre.
    1. Cliquez sur Phylogénie , puis sur Construire/Tester l’arbre de vraisemblance maximale.
    2. Utilisez le modèle de substitution de nucléotides le mieux adapté. Pour ce faire, cliquez sur la case jaune à côté de Modèle/Méthode. Sélectionnez le modèle dans le menu déroulant.
    3. Si le modèle de substitution de nucléotides le mieux adapté comporte « +G » ou « +I » ou les deux, cliquez sur la case à côté de Tarifs entre les sites et sélectionnez les paramètres (G, I, G + I) dans le menu déroulant (Figure 6C).
    4. Sous Test de phylogénie, cliquez sur la case à côté de Test de phylogénie et sélectionnez Méthode Bootstrap dans le menu déroulant. Cliquez sur la case à côté de « Non. of Bootstrap Replications" et tapez 1000 (Figure 6C). Cliquez sur Ok pour lancer l’analyse.
  3. Une fois qu’une fenêtre contenant l’arborescence résultante s’ouvre (Figure 6D), enregistrez la session d’arborescence sous le nom .mts/x. Enregistrez la sortie sous forme de fichier .nwk. Enregistrez également l’arbre sous forme .png fichier image.

figure-protocol-5
Figure 6 : Estimation de l’arbre dans MEGA X comme étape préparatoire aux approches basées sur la coalescence. (A) Réglage pour déterminer le modèle de substitution de nucléotides le mieux adapté. (B) Pour l’ensemble de données Byrrhinus, le modèle le mieux ajusté est GTR + I en raison des valeurs BIC et AICc les plus basses (encadré rouge). (C) Lors de l’exécution de l’arbre de probabilité maximale, les paramètres GTR (case jaune) + I (case bleue) ont été définis. (D) L’arbre ML brut résultant à utiliser dans les analyses ultérieures. Veuillez cliquer ici pour voir une version agrandie de cette figure.

6. Délimitation par processus d’arbre de Poisson (PTP)

REMARQUE : Les étapes ci-dessous permettent d’obtenir les résultats de PTP-ML et PTP-BI.

  1. Allez sur le serveur web PTP : https://species.h-its.org/ptp/
  2. Téléchargez un fichier newick en cliquant sur Choisir un fichier. Sous Mon arbre est, sélectionnez Enraciné (Figure 7A).
  3. Entrez les paramètres de l’analyse. Sous N° MCMC générations, entrez 100000. Sous Amincissement, saisissez 100. Sous Burn-in, entrez 0.1. Sous Seed, saisissez 123.
  4. Entrez l’exogroupe en tapant le nom des pointes dans la case sous Noms des taxons de l’exogroupe (le cas échéant). Les instructions de formatage de la saisie se trouvent à droite de la zone de saisie.
  5. Saisissez l’adresse e-mail dans le champ correspondant, puis cliquez sur Envoyer. Dans la fenêtre des résultats de la délimitation des espèces du PTP, cliquez ici pour ouvrir la fenêtre des résultats.
  6. Sous la solution du maximum de vraisemblance, téléchargez les résultats de PTP-ML en cliquant sur Télécharger les résultats de délimitation (Figure 7B).
  7. Sous la solution prise en charge par Bayésian, téléchargez les résultats de PTP-BI en cliquant sur Télécharger les résultats de délimitation.
    REMARQUE : Les résultats indiquent des groupes de séquences dans les partitions. Ceux-ci seront étiquetés comme des espèces numérotées suivies d’une valeur de support, où 1.000 est l’idéal.

figure-protocol-6
Figure 7 : Délimitation des espèces moléculaires par les processus de l’arbre de Poisson. (A) Fenêtres montrant les paramètres d’entrée. (B) Fenêtre résultante sur le serveur Web PTP, avec lien contenant les résultats de délimitation (boîte rouge). Veuillez cliquer ici pour voir une version agrandie de cette figure.

7. Délimitation par des processus d’arbre de Poisson à plusieurs débits (mPTP)

  1. Allez sur le serveur web mPTP : https://mptp.h-its.org/#/tree
  2. Téléchargez le fichier newick en le faisant glisser sur le rectangle gris ou en cliquant sur le rectangle. Une fois les données chargées sur la même page, cliquez sur Procéder à la sélection de l’exogroupe (Figure 8A).
  3. Sur la page de spécification de l’exogroupe , sélectionnez l’exogroupe en cliquant sur la case à côté des étiquettes des taxons des spécimens de l’exogroupe. Cliquez sur l’option Recadrer l’exogroupe au bas de la séquence. Cliquez sur Sélection du modèle.
  4. Cliquez sur MPTP, puis sur Options de visualisation. Sur la page Options de visualisation , acceptez les paramètres par défaut.
    REMARQUE : Alternativement, la taille totale de l’image peut être ajustée en saisissant une valeur (en px) sous la largeur SVG. La police et l’espacement du texte peuvent être ajustés en saisissant les tailles souhaitées (en px) sous Taille de police SVG, Espace entre les pointes, Marge gauche, Marge droite, Marge supérieure et Marge inférieure.
  5. Cliquez sur Coordonnées. Entrez l’adresse e-mail pour référence future des résultats (facultatif).
  6. Cliquez sur Vue d’ensemble. Assurez-vous de vérifier le nombre de taxons en entrée et les exogroupes sélectionnés.
  7. Cliquez sur Soumettre. Cliquez avec le bouton droit de la souris sur les fichiers sous Fichiers téléchargeables (Figure 8B), puis sélectionnez Enregistrer sous... pour enregistrer les résultats.
    REMARQUE : Le fichier texte de sortie indiquera le nombre total d’espèces délimitées au début des résultats. Il présentera ensuite quelles séquences se trouvent sous chacun des clusters. Ces clusters et les séquences correspondantes sont disposés de la même manière que l’arborescence générée dans le fichier .svg. Le fichier SVG mPTP affichera le clustering des séquences. Les grappes sont présentées par des groupes de séquences reliées par des branches rouges le long de l’arbre. Chaque ensemble isolé de branches rouges indique un MOTU singulier.

figure-protocol-7
Figure 8 : Délimitation moléculaire des espèces par des processus d’arbre de Poisson à plusieurs vitesses. (A) Fenêtres affichant les informations lues par mPTP concernant l’arborescence téléchargée. (B) Fenêtre résultante dans le serveur Web mPTP, avec lien contenant les résultats de délimitation (boîte rouge). Veuillez cliquer ici pour voir une version agrandie de cette figure.

8. Génération de MOTU

  1. Ouvrez l’arbre à l’aide d’un programme d’édition de photos ou de PowerPoint.
  2. Créez une barre pour représenter les résultats de chaque approche de délimitation moléculaire des espèces (voir les figures 9 et 10 pour les échantillons). Assurez-vous qu’une seule barre s’aligne avec les séquences qu’elle inclut dans son cluster moléculaire.
  3. Déterminer le MOTU par l’une de ces deux approches74
    1. Si toutes les approches génèrent des résultats identiques pour un cluster moléculaire donné, ériger le cluster moléculaire en MOTU par consensus.
    2. Si la plupart des approches génèrent des résultats identiques pour un cluster moléculaire donné, ériger le cluster moléculaire en MOTU par majorité.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Cet article a mis en œuvre un pipeline de concoction de délimitation moléculaire des espèces, qui comprend TaxonDNA, K2P, ASAP, deux variantes de PTP et mPTP, aux coléoptères aquatiques et riverains. Le résultat de chacune des six approches est appelé « grappes moléculaires », tandis que le résumé est appelé « unités taxonomiques opérationnelles moléculaires » ou MOTU75.

Le pipeline de concoction a été testé sur deux ensembles de données. Le premier ensemble de données ...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Bien que les séquences d’ADN, en particulier les COI49, puissent être comparées aux séquences de référence 22,53,78 dans les dépôts publics en ligne 54,55,79,80 pour un système de bioidentification46, une telle approche e...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Nous n’avons rien à divulguer.

Remerciements

Nous remercions le Bureau des pêches et des ressources aquatiques (BFAR) et les unités gouvernementales locales concernées de nous avoir accordé le consentement préalable en connaissance de cause pour effectuer un échantillonnage de la biodiversité. Nous remercions le Dr Hendrik Freitag pour ses conseils sur le travail taxonomique. Nous remercions également les réviseurs et les rédacteurs pour leurs commentaires utiles et constructifs. Enfin, nous exprimons notre plus grande gratitude à la subvention du Conseil de recherche de l’Université (URC 2022-09) et à la subvention de publication en libre accès de l’Université Ateneo de Manille, au Fonds de recherche et de développement des étudiants SC Johnson pour le leadership environnemental de l’Institut de recherche Ateneo des sciences et de l’ingénierie, et au LinnéSys : Fonds de recherche systématique de la Société linnéenne de Londres et à l’Association systématique pour le financement de cette étude.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
DÈS QUE possible ;Explorateur Sparthttps://bioinfo.mnhn.fr/abi/public/asap/asapweb.html
OrdinateurToute unité de traitement
MEGA X  ;Logiciel MEGAhttps://www.megasoftware.net/
Serveur web mPTPhttps://mptp.h-its.org/#/tree
Serveur web PTPInstitut d’études théoriques de Heidelberg (HITS)https://species.h-its.org/ptp/
Identificateur de l’espèce  ;  ; https://taxondna.sourceforge.net/

Références

  1. Ceballos, G., Ehrlich, P. R. Mammal population losses and the extinction crisis. Science. 296 (5569), 904-907 (2002).
  2. Dirzo, R., et al. Defaunation in the Anthropocene. Science. 345 (6195), 401-406 (2014).
  3. Cardoso, P., et al. Scientists' warning to humanity on insect extinctions. Biol Conserv. 242, 108426(2020).
  4. Wagner, D. L., Grames, E. M., Forister, M. L., Berenbaum, M. R., Stopak, D. Insect decline in the Anthropocene: Death by a thousand cuts. Proc Natl Acad Sci U S A. 118 (2), 1-10 (2021).
  5. Steffen, W., Crutzen, P. J., McNeill, J. R. Welcome to the Anthropocene. Ambio. 36 (8), 614-621 (2007).
  6. de Carvalho, M. R., et al. Taxonomic impediment or impediment to taxonomy? A commentary on systematics and the cybertaxonomic-automation paradigm. Evol Biol. 34 (3-4), 140-143 (2007).
  7. Satler, J. D., Carstens, B. C., Hedin, M. Multilocus species delimitation in a complex of morphologically conserved trapdoor spiders (Mygalomorphae, Antrodiaetidae, Aliatypus). Syst Biol. 62 (6), 805-823 (2013).
  8. Arribas, P., Andújar, C., Sánchez-Fernández, D., Abellán, P., Millán, A. Integrative taxonomy and conservation of cryptic beetles in the Mediterranean region (Hydrophilidae). Zool Scr. 42 (2), 182-200 (2013).
  9. Baker, K., et al. Carpooling with ecologists, geographers and taxonomists: Perceptions from conducting environmental research in tropical regions. Biodivers Conserv. 28 (4), 975-981 (2019).
  10. Tan, D. S. H., Ang, Y., Lim, G. S., Bin Ismail, M. R., Meier, R. From "cryptic species" to integrative taxonomy: An iterative process involving DNA sequences, morphology, and behaviour leads to the resurrection of Sepsis pyrrhosoma (Sepsidae: Diptera). Zool Scr. 39 (1), 51-61 (2010).
  11. Tan, M. K., Storozhenko, S. Y., Hwang, W. S., Meier, R. Integrative taxonomy reveals two sympatric species of the genus Eucriotettix Hebard, 1930 (Orthoptera: Tetrigidae). Zootaxa. 4268 (3), 377-394 (2017).
  12. Yule, C. M. Freshwater invertebrates. Freshwater Invertebrates of the Malaysian Region. , 23-31 (2004).
  13. Komarek, A., Jäch, M. A., Ji, L. Hydrophilidae: I. Check list and key to Palearctic and Oriental genera of aquatic Hydrophilidae (Coleoptera). Water Beetles of China. 3, 383-395 (2003).
  14. Rudoy, A., Ribera, I. The macroevolution of size and complexity in insect male genitalia. PeerJ. 4, e1882(2016).
  15. Rudoy, A., Beutel, R. G., Ribera, I. Evolution of the male genitalia in the genus Limnebius Leach, 1815 (Coleoptera, Hydraenidae). Zool J Linn Soc. 178, 97-127 (2016).
  16. Shapiro, A. The lock-and-key hypothesis: Evolutionary and biosystematic interpretation of insect genitalia. Annu Rev Entomol. 34 (1), 231-245 (1989).
  17. Scotland, R., Hughes, C., Bailey, D., Wortley, A. The big machine and the much-maligned taxonomist. Syst Biodivers. 1 (2), 139-143 (2003).
  18. Vinarski, M. V. Roots of the taxonomic impediment: Is the "integrativeness" a remedy. Integr Zool. 15 (1), 2-15 (2020).
  19. Cardoso, P., Erwin, T. L., Borges, P. A. V., New, T. R. The seven impediments in invertebrate conservation and how to overcome them. Biol Conserv. 144 (11), 2647-2655 (2011).
  20. Engel, M. S., et al. The taxonomic impediment: A shortage of taxonomists, not the lack of technical approaches. Zool J Linn Soc. XX, 1-7 (2021).
  21. Tancoigne, E., Dubois, A. Cladistics taxonomy: No decline, but inertia. Cladistics. , 1-4 (2013).
  22. Riedel, A., Sagata, K., Suhardjono, Y. R., Tänzler, R., Balke, M. Integrative taxonomy on the fast track: Towards more sustainability in biodiversity research. Front Zool. 10 (15), 1-9 (2013).
  23. Dayrat, B. Towards integrative taxonomy. Biol J Linn Soc. 85 (3), 407-415 (2005).
  24. Bickford, D., et al. Cryptic species as a window on diversity and conservation. Trends Ecol Evol. 22 (3), 148-155 (2007).
  25. Page, R. D. M. DNA barcoding and taxonomy: Dark taxa and dark texts. Philos Trans R Soc Lond B Biol Sci. 371 (1702), 20150334(2016).
  26. Morinière, J., et al. A DNA barcode library for 5,200 German flies and midges (Insecta: Diptera) and its implications for metabarcoding-based biomonitoring. Mol Ecol Resour. 19 (4), 900-928 (2019).
  27. Hartop, E., Srivathsan, A., Ronquist, F., Meier, R. Towards large-scale integrative taxonomy (LIT): Resolving the data conundrum for dark taxa. Syst Biol. 71 (6), 1404-1422 (2022).
  28. Fossen, E. I., Ekrem, T., Nilsson, A. N., Bergsten, J. Species delimitation in northern European water scavenger beetles of the genus Hydrobius (Coleoptera, Hydrophilidae). ZooKeys. 564, 71-120 (2016).
  29. Bálint, M., et al. Cryptic biodiversity loss linked to global climate change. Nat Clim Change. 1 (6), 313-318 (2011).
  30. Padial, J. M., De La Riva, I. A response to recent proposals for integrative taxonomy. Biol J Linn Soc. 101 (3), 747-756 (2010).
  31. Andújar, C., Arribas, P., Ruiz, C., Serrano, J., Gómez-Zurita, J. Integration of conflict into integrative taxonomy: Fitting hybridization in species delimitation of Mesocarabus (Coleoptera: Carabidae). Mol Ecol. 23 (17), 4344-4361 (2014).
  32. Schlick-Steiner, B. C., et al. Integrative taxonomy: A multisource approach to exploring biodiversity. Annu Rev Entomol. 55 (1), 421-438 (2010).
  33. Stüben, P. E., Astrin, J. J. Integrative taxonomy, phylogeny, and new species of the weevil genus Onyxacalles Stüben (Coleoptera: Curculionidae: Cryptorhynchinae). Psyche (Lond). 2012, 1-22 (2012).
  34. Hawlitschek, O., et al. Pleistocene climate change promoted rapid diversification of aquatic invertebrates in Southeast Australia. BMC Evol Biol. 12 (142), 1-15 (2012).
  35. Delocado, E. D., Freitag, H. Two new species of Byrrhinus Motschulsky, 1858 (Coleoptera, Limnichidae, Limnichinae) from Negros, Philippines. ZooKeys. 1070, 51-72 (2021).
  36. De Vera, G. C. M., Sia, J. I. L., Freitag, H., Delocado, E. D. The first new species of Leptelmis Sharp, 1888 (Coleoptera, Elmidae) from the Philippines in the last 50 years. Tijdschr Entomol. 166 (2-3), 175-186 (2023).
  37. Seno, C. B. N., Delocado, E. D., Freitag, H. Three new species of Ancyronyx Erichson, 1847 (Coleoptera, Elmidae) from Mindanao, Philippines. Tijdschr Entomol. 72, 61-80 (2022).
  38. López-López, A., Hudson, P., Galián, J. Islands in the desert: Species delimitation and evolutionary history of Pseudotetracha tiger beetles (Coleoptera: Cicindelidae: Megacephalini) from Australian salt lakes. Mol Phylogenet Evol. 101, 279-285 (2016).
  39. Ibarra, J. W. B., Bantiding, F. J. A., Delocado, E. D. First Georissidae (Coleoptera) from the Philippines with description of two new species of Georissus Latreille, 1809. Tijdschr Entomol. , 45-58 (2025).
  40. Boonsoong, B., Sartori, M. Review and integrative taxonomy of the genus Prosopistoma Latreille, 1833 (Ephemeroptera, Prosopistomatidae) in Thailand, with description of a new species. ZooKeys. 825, 123-144 (2019).
  41. Wang, Y., Nansen, C., Zhang, Y. Integrative insect taxonomy based on morphology, mitochondrial DNA, and hyperspectral reflectance profiling. Zool J Linn Soc. 177 (2), 378-394 (2016).
  42. Schutze, M. K., et al. One and the same: Integrative taxonomic evidence that Bactrocera invadens (Diptera: Tephritidae) is the same species as the Oriental fruit fly Bactrocera dorsalis. Syst Entomol. 40 (2), 472-486 (2015).
  43. Schär, S., et al. Integrative biodiversity inventory of ants from a Sicilian archipelago reveals high diversity on young volcanic islands (Hymenoptera: Formicidae). Org Divers Evol. 20, 405-416 (2020).
  44. Ševčík, J., et al. Integrative taxonomy of Central European Planetella (Diptera: Cecidomyiidae) indicates high species diversity, intraspecific variation and low host specificity. Acta Entomol Musei Natl Pragae. 63 (2), 413-450 (2023).
  45. Mengual, X., Ståhls, G., Vujić, A., Marcos-García, M. Á Integrative taxonomy of Iberian Merodon species (Diptera, Syrphidae). Zootaxa. 1377, 1-26 (2006).
  46. Hebert, P. D. N., et al. Biological identifications through DNA barcodes. Proc R Soc B Biol Sci. 270 (1512), 313-321 (2003).
  47. Hebert, P. D. N., et al. Ten species in one: DNA barcoding reveals cryptic species in the neotropical skipper butterfly Astraptes fulgerator. Proc Natl Acad Sci U S A. 101 (41), 14812-14817 (2004).
  48. Hebert, P. D. N., Gregory, T. R. The promise of DNA barcoding for taxonomy. Syst Biol. 54 (5), 852-859 (2005).
  49. Hebert, P. D. N., Ratnasingham, S., DeWaard, J. R. Barcoding animal life: Cytochrome c oxidase subunit 1 divergences among closely related species. Proc R Soc Lond B. 270 (Suppl), S96-S99 (2003).
  50. Simon, C., et al. Evolution, weighting, and phylogenetic utility of mitochondrial gene sequences and a compilation of conserved polymerase chain reaction primers. Ann Entomol Soc Am. 87 (6), 651-701 (1994).
  51. Hendrich, L., et al. Mitochondrial Cox1 sequence data reliably uncover patterns of insect diversity but suffer from high lineage-idiosyncratic error rates. PLoS ONE. 5 (12), e14448(2010).
  52. Balke, M., et al. Suggestions for a molecular biodiversity assessment of Southeast Asian freshwater invertebrates: Lessons from the megadiverse beetles (Coleoptera). J Limnol. 72 (Suppl 2), 61-68 (2013).
  53. Virgilio, M., et al. Comparative performances of DNA barcoding across insect orders. BMC Bioinformatics. 11, 206(2010).
  54. Benson, D. A., et al. GenBank. Nucleic Acids Res. 41 (D1), 36-42 (2013).
  55. Ratnasingham, S., Hebert, P. D. N. BOLD: The barcode of life data system. Mol Ecol Notes. 7, 355-364 (2007).
  56. Pons, J., et al. Sequence-based species delimitation for the DNA taxonomy of undescribed insects. Syst Biol. 55 (4), 595-609 (2006).
  57. Puillandre, N., et al. automatic barcode gap discovery for primary species delimitation. Mol Ecol. 21 (8), 1864-1877 (2012).
  58. Fontaneto, D., Flot, J. F., Tang, C. Q. Guidelines for DNA taxonomy, with a focus on the meiofauna. Mar Biodivers. 45 (3), 433-451 (2015).
  59. Balke, M., et al. New Guinea highland origin of a widespread arthropod supertramp. Proc R Soc B Biol Sci. 276 (1666), 2359-2367 (2009).
  60. Meier, R., et al. DNA barcoding and taxonomy in Diptera: A tale of high intraspecific variability and low identification success. Syst Biol. 55 (5), 715-728 (2006).
  61. Kimura, M. A simple method for estimating evolutionary rates of base substitutions through comparative studies of nucleotide sequences. J Mol Evol. 16 (2), 111-120 (1980).
  62. Puillandre, N., Brouillet, S., Achaz, G. ASAP: Assemble species by automatic partitioning. Mol Ecol Resour. 21 (2), 609-620 (2021).
  63. Wiens, J. J., Penkrot, T. A. Delimiting species using DNA and morphological variation and discordant species limits in spiny lizards (Sceloporus). Syst Biol. 51 (1), 69-91 (2002).
  64. Fujisawa, T., Barraclough, T. G. Delimiting species using single-locus data and the generalized mixed Yule coalescent approach: A revised method and evaluation on simulated data sets. Syst Biol. 62 (5), 707-724 (2013).
  65. Yang, Z., Rannala, B. Unguided species delimitation using DNA sequence data from multiple loci. Mol Biol Evol. 31 (12), 3125-3135 (2014).
  66. Leaché, A. D., Fujita, M. K. Bayesian species delimitation in West African forest geckos (Hemidactylus fasciatus). Proc R Soc B Biol Sci. 277 (1697), 3071-3077 (2010).
  67. Luo, A., et al. Comparison of methods for molecular species delimitation across a range of speciation scenarios. Syst Biol. 67 (5), 830-846 (2018).
  68. Zhang, J., et al. A general species delimitation method with applications to phylogenetic placements. Bioinformatics. 29 (22), 2869-2876 (2013).
  69. Kapli, P., et al. Multi-rate Poisson tree processes for single-locus species delimitation under maximum likelihood and Markov chain Monte Carlo. Bioinformatics. 33 (11), 1630-1638 (2017).
  70. Sanchez, E. G. S., Delocado, E. D., Freitag, H. Two new species of Anacaena Thomson, 1859 (Coleoptera, Hydrophilidae) from the Philippines. ZooKeys. 1112, 11-25 (2022).
  71. Sanger, F., Coulson, A. R. A rapid method for determining sequences in DNA by primed synthesis with DNA polymerase. J Mol Biol. 94 (3), 441-448 (1975).
  72. Kumar, S., et al. MEGA X: Molecular evolutionary genetics analysis across computing platforms. Mol Biol Evol. 35 (6), 1547-1549 (2018).
  73. Thompson, J. D., Higgins, D. G., Gibson, T. J. CLUSTAL W: Improving the sensitivity of progressive multiple sequence alignment through sequence weighting, position-specific gap penalties and weight matrix choice. Nucleic Acids Res. 22, 4673-4680 (1994).
  74. Pentinsaari, M., Vos, R., Mutanen, M. Algorithmic single-locus species delimitation: Effects of sampling effort, variation and nonmonophyly in four methods and 1870 species of beetles. Mol Ecol Resour. 17 (3), 393-404 (2017).
  75. Galimberti, A., et al. Integrated operational taxonomic units (IOTUs) in echolocating bats: A bridge between molecular and traditional taxonomy. PLoS ONE. 7 (6), e40122(2012).
  76. Kundrata, R., Jäch, M. A., Bocak, L. Molecular phylogeny of the Byrrhoidea-Buprestoidea complex (Coleoptera, Elateriformia). Zool Scr. 46 (2), 150-164 (2017).
  77. Komarek, A., Freitag, H. Taxonomic revision of Agraphydrus Règimbart, 1903 V. Philippine species and their first DNA barcodes. Koleopt Rundsch. 90, 201-242 (2020).
  78. Tautz, D., et al. A plea for DNA taxonomy. Trends Ecol Evol. 18 (2), 70-74 (2003).
  79. Altschul, S. F., et al. Basic local alignment search tool. J Mol Biol. 215 (3), 403-410 (1990).
  80. Porter, T., Hajibabaei, M. Over 2.5 million COI sequences in GenBank and growing. bioRxiv. , 353904(2018).
  81. Gómez, R. A., Reddell, J., Will, K., Moore, W. Up high and down low: Molecular systematics and insight into the diversification of the ground beetle genus Rhadine LeConte. Mol Phylogenet Evol. 98, 161-175 (2016).
  82. Kodada, J., et al. Ancyronyx clisteri, a new spider riffle beetle species from Borneo, redescription of A. sarawacensis Jäch including a description of the larva and new distribution data for A. procerus Jäch using DNA barcodes (Coleoptera, Elmidae). ZooKeys. 912, 25-64 (2020).
  83. Hajibabaei, M., Janzen, D. H., Burns, J. M., Hallwachs, W., Hebert, P. D. N. DNA barcodes distinguish species of tropical Lepidoptera. Proc Natl Acad Sci U S A. 103 (4), 968-971 (2006).
  84. Yeo, D., Srivathsan, A., Meier, R. Longer is not always better: Optimizing barcode length for large-scale species discovery and identification. Syst Biol. 69 (5), 999-1015 (2020).
  85. Sabordo, M. R., Delocado, E., Freitag, H. Two new species of the genus Ancyronyx Erichson, 1847 from the island of Negros, Philippines (Insecta, Coleoptera, Elmidae). Tijdschr Entomol. 163 (1), 13-30 (2020).
  86. Astrin, J. J., et al. Exploring diversity in cryptorhynchine weevils (Coleoptera) using distance-, character- and tree-based species delineation. Mol Phylogenet Evol. 63 (1), 1-14 (2012).
  87. Pritchard, J. K., Stephens, M., Donnelly, P. Inference of population structure using multilocus genotype data. Genetics. 155, 945-959 (2000).
  88. Huelsenbeck, J. P., Andolfatto, P., Huelsenbeck, E. T. Structurama: Bayesian inference of population structure. Evol Bioinform. 7, 55-59 (2011).
  89. Hausdorf, B., Hennig, C. Species delimitation using dominant and codominant multilocus markers. Syst Biol. 59 (5), 491-503 (2010).
  90. Fujita, M. K., et al. Coalescent-based species delimitation in an integrative taxonomy. Trends Ecol Evol. 27 (9), 480-488 (2012).
  91. Monaghan, M. T., et al. Accelerated species inventory on Madagascar using coalescent-based models of species delineation. Syst Biol. 58 (3), 298-311 (2009).
  92. Yang, Z., Rannala, B. Bayesian species delimitation using multilocus sequence data. Proc Natl Acad Sci U S A. 107 (20), 9264-9269 (2010).
  93. Ence, D. D., Carstens, B. C. SpedeSTEM: A rapid and accurate method for species delimitation. Mol Ecol Resour. 11 (3), 473-480 (2011).
  94. de Queiroz, K. Species concepts and species delimitation. Syst Biol. 56 (6), 879-886 (2007).
  95. Blair, C., Bryson, R. W. Cryptic diversity and discordance in single-locus species delimitation methods within horned lizards (Phrynosomatidae: Phrynosoma). Mol Ecol Resour. 17 (6), 1168-1182 (2017).
  96. Dellicour, S., Flot, J. F. Delimiting species-poor data sets using single molecular markers: A study of barcode gaps, haplowebs and GMYC. Syst Biol. 64 (6), 900-908 (2015).
  97. Dellicour, S., Flot, J. F. The hitchhiker's guide to single-locus species delimitation. Mol Ecol Resour. 18 (6), 1234-1246 (2018).
  98. Liu, L., et al. Estimating phylogenetic trees from genome-scale data. Ann N Y Acad Sci. 1360 (1), 36-53 (2015).
  99. Lim, G. S., Balke, M., Meier, R. Determining species boundaries in a world full of rarity: Singletons, species delimitation methods. Syst Biol. 61 (1), 165-169 (2012).
  100. Zhou, Z., et al. molecular species delimitation based on COI-5P barcode sequences revealed high cryptic/undescribed diversity for Chinese katydids (Orthoptera: Tettigoniidae). BMC Evol Biol. 19 (1), (2019).
  101. Toussaint, E. F. A., et al. Comparative molecular species delimitation in the charismatic Nawab butterflies (Nymphalidae, Charaxinae, Polyura). Mol Phylogenet Evol. 91, 194-209 (2015).
  102. Carstens, B. C., Dewey, T. A. Species delimitation using a combined coalescent and information-theoretic approach: An example from North American Myotis bats. Syst Biol. 59 (4), 400-414 (2010).
  103. Esselstyn, J. A., et al. Single-locus species delimitation: A test of the mixed Yule-coalescent model, with an empirical application to Philippine round-leaf bats. Proc R Soc Lond B. 279 (1743), 3678-3686 (2012).
  104. Stech, M., et al. Molecular species delimitation in the Racomitrium canescens complex (Grimmiaceae) and implications for DNA barcoding of species complexes in mosses. PLoS One. 8 (1), e53134(2013).
  105. Kekkonen, M., Hebert, P. D. N. DNA barcode-based delineation of putative species: Efficient start for taxonomic workflows. Mol Ecol Resour. 14 (4), 706-715 (2014).
  106. Meier, R., et al. "Dark taxonomy": A new protocol for overcoming the taxonomic impediments for dark taxa and broadening the taxon base for biodiversity assessment. Cladistics. 41, 223-238 (2025).
  107. Ebach, M. C., Holdrege, C. DNA barcoding is no substitute for taxonomy. Nature. 434, 697(2005).
  108. Ebach, M. C., Holdrege, C. More taxonomy, not DNA barcoding. BioScience. 55 (10), 822-823 (2005).
  109. Mora, C., et al. How many species are there on Earth and in the ocean. PLoS Biol. 9 (8), e1001127(2011).
  110. Stork, N. E. How many species of insects and other terrestrial arthropods are there on Earth. Annu Rev Entomol. 63, 31-45 (2018).
  111. Scheffers, B. R., et al. What we know and don't know about Earth's missing biodiversity. Trends Ecol Evol. 27 (9), 501-510 (2012).
  112. Carbayo, F., Marques, A. C. The cost of describing the entire animal kingdom. Trends Ecol Evol. 26 (4), 153-154 (2011).
  113. Walsh, J. C., et al. Trends and biases in the listing and recovery planning for threatened species: An Australian case study. Oryx. 47 (1), 134-143 (2013).
  114. Carrizo, S. F., et al. Freshwater megafauna: Flagships for freshwater biodiversity under threat. BioScience. 67 (10), 919-927 (2017).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Mots-clés

Pipeline MOTUcode barres ADNd limitation des esp cescol opt res ripisylvess quences COIalignement de s quencesarbre du maximum de vraisemblancemod le de Kimura 2 param tres
Un pipeline de concoction pour générer des unités taxonomiques opérationnelles moléculaires (MOTU) chez les coléoptères riverains et aquatiques
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d'utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.