stringtranslate.com

Codificación de barras metabólica

Diferencias entre los métodos estándar de codificación de barras y metacodificación de ADN. Mientras que la codificación de barras de ADN se centra en una especie específica, la metacodificación de barras examina comunidades enteras.

La metacodificación de barras es la codificación de barras del ADN / ARN (o eDNA / eRNA ) de manera que permita la identificación simultánea de muchos taxones dentro de la misma muestra. La principal diferencia entre la codificación de barras y la metacodificación de barras es que la metacodificación de barras no se centra en un organismo específico, sino que tiene como objetivo determinar la composición de especies dentro de una muestra.

Un código de barras consiste en una región genética variable corta (por ejemplo, ver diferentes marcadores/códigos de barras ) que es útil para la asignación taxonómica flanqueada por regiones genéticas altamente conservadas que se pueden usar para el diseño de cebadores . [1] Esta idea de código de barras general se originó en 2003 de investigadores de la Universidad de Guelph . [2]

El procedimiento de metacodificación de barras, al igual que la codificación de barras general, se desarrolla en orden a través de las etapas de extracción de ADN , amplificación por PCR , secuenciación y análisis de datos . Se utilizan diferentes genes dependiendo de si el objetivo es codificar con barras una sola especie o metacodificar varias especies. En este último caso, se utiliza un gen más universal. La metacodificación de barras no utiliza ADN/ARN de una sola especie como punto de partida, sino ADN/ARN de varios organismos diferentes derivados de una muestra ambiental o masiva.

ADN ambiental

El ADN ambiental o eDNA describe el material genético presente en muestras ambientales como sedimentos, agua y aire, incluyendo células enteras, ADN extracelular y potencialmente organismos completos. [3] [4] El eDNA puede ser capturado de muestras ambientales y preservado , extraído , amplificado , secuenciado y categorizado en base a su secuencia. [5] A partir de esta información, es posible la detección y clasificación de especies. El eDNA puede provenir de piel, mucosas, saliva, esperma, secreciones, huevos, heces, orina, sangre, raíces, hojas, frutas, polen y cuerpos en descomposición de organismos más grandes, mientras que los microorganismos pueden obtenerse en su totalidad. [6] [7] [4] La producción de eDNA depende de la biomasa , edad y actividad alimentaria del organismo, así como de la fisiología, historia de vida y uso del espacio. [4] [8] [9] [10]

En 2019, los métodos de investigación del ADN ambiental se habían ampliado para poder evaluar comunidades enteras a partir de una sola muestra. Este proceso implica la metacodificación de barras, que se puede definir con precisión como el uso de cebadores de reacción en cadena de la polimerasa (PCR) generales o universales en muestras de ADN mixtas de cualquier origen, seguido de una secuenciación de próxima generación (NGS) de alto rendimiento para determinar la composición de especies de la muestra. Este método ha sido común en microbiología durante años, pero, a partir de 2020, recién está encontrando su lugar en la evaluación de macroorganismos. [11] [12] [13] Las aplicaciones de la metacodificación de barras del ADN ambiental en todo el ecosistema tienen el potencial no solo de describir comunidades y biodiversidad, sino también de detectar interacciones y ecología funcional en grandes escalas espaciales, aunque puede estar limitado por lecturas falsas debido a contaminación u otros errores. [7] [14] [12] [9] En conjunto, la codificación de barras metabólica de eDNA aumenta la velocidad, la precisión y la identificación en comparación con la codificación de barras tradicional y reduce los costos, pero necesita estandarizarse y unificarse, integrando la taxonomía y los métodos moleculares para un estudio ecológico completo. [11] [15] [16] [17] [9] [10]

Aplicaciones de la codificación metabólica del ADN ambiental en ecosistemas acuáticos y terrestres  [10]
Nuevas fuentes de ADN de insectos utilizadas en la codificación metabólica [18]
Monitoreo global de ecosistemas y biodiversidad
con metacodificación de ADN ambiental  [10]

La codificación metabólica de ADN ambiental tiene aplicaciones en el monitoreo de la diversidad en todos los hábitats y grupos taxonómicos, la reconstrucción de ecosistemas antiguos, las interacciones entre plantas y polinizadores, el análisis de la dieta, la detección de especies invasoras, las respuestas a la contaminación y el monitoreo de la calidad del aire. La codificación metabólica de ADN ambiental es un método único que aún se encuentra en desarrollo y probablemente seguirá en constante cambio durante algún tiempo a medida que avance la tecnología y se estandaricen los procedimientos. Sin embargo, a medida que la codificación metabólica se optimice y su uso se generalice, es probable que se convierta en una herramienta esencial para el monitoreo ecológico y el estudio de la conservación global. [10]

ADN de la comunidad

Desde el inicio de la secuenciación de alto rendimiento ( HTS ), [19] el uso de metabarcoding como herramienta de detección de biodiversidad ha generado un inmenso interés. [12] [20] Sin embargo, aún no ha habido claridad con respecto a qué material de origen se utiliza para realizar análisis de metabarcoding (por ejemplo, ADN ambiental versus ADN comunitario ). Sin claridad entre estos dos materiales de origen, las diferencias en el muestreo, así como las diferencias en los procedimientos de laboratorio, pueden afectar los procesos bioinformáticos posteriores utilizados para el procesamiento de datos y complicar la interpretación de los patrones espaciales y temporales de la biodiversidad. Aquí, buscamos diferenciar claramente entre los materiales de origen predominantes utilizados y su efecto en el análisis e interpretación posteriores para la metabarcoding de ADN ambiental de animales y plantas en comparación con el de la metabarcoding de ADN comunitario. [13]

En la codificación metabólica del ADN comunitario de animales y plantas, los grupos objetivo suelen recolectarse en masa (por ejemplo, suelo, trampa o red de malestar), y los individuos se retiran de otros restos de muestra y se agrupan antes de la extracción masiva de ADN. [12] Por el contrario, el ADN ambiental de macroorganismos se aísla directamente de un material ambiental (por ejemplo, suelo o agua) sin segregación previa de organismos individuales o material vegetal de la muestra y supone implícitamente que el organismo completo no está presente en la muestra. Por supuesto, las muestras de ADN comunitario pueden contener ADN de partes de tejidos, células y orgánulos de otros organismos (por ejemplo, contenido intestinal, ADN intracelular o extracelular cutáneo). Del mismo modo, las muestras de ADN ambiental de macroorganismos pueden capturar inadvertidamente organismos microscópicos completos no objetivo (por ejemplo, protistas, bacterias). Por lo tanto, la distinción puede fallar al menos parcialmente en la práctica. [13]

Otra distinción importante entre el ADN comunitario y el eADN de macroorganismos es que las secuencias generadas a partir de la metacodificación de barras del ADN comunitario se pueden verificar taxonómicamente cuando los especímenes no se destruyen en el proceso de extracción. En este caso, las secuencias se pueden generar a partir de especímenes de referencia utilizando la secuenciación de Sanger. Como las muestras para la metacodificación de barras del eADN carecen de organismos completos, no se pueden realizar tales comparaciones in situ. Por lo tanto, las afinidades taxonómicas solo se pueden establecer comparando directamente las secuencias obtenidas (o mediante unidades taxonómicas operativas (MOTU) generadas bioinformáticamente), con secuencias que están anotadas taxonómicamente, como la base de datos de nucleótidos GenBank del NCBI, [21] BOLD , [22] o con bases de datos de referencia autogeneradas a partir del ADN secuenciado por Sanger. [23] [24] [25] (La unidad taxonómica operativa molecular (MOTU) es un grupo identificado mediante el uso de algoritmos de agrupamiento y un porcentaje predefinido de similitud de secuencia, por ejemplo, 97%)). [26] [13] Luego, para corroborar al menos parcialmente la lista resultante de taxones, se realizan comparaciones con métodos de estudio convencionales físicos, acústicos o visuales realizados al mismo tiempo o se comparan con registros históricos de estudios para una ubicación (ver Tabla 1). [13]

Por lo tanto, la diferencia en el material de origen entre el ADN comunitario y el eADN tiene ramificaciones distintas para interpretar la escala de inferencia para el tiempo y el espacio sobre la biodiversidad detectada. A partir del ADN comunitario, está claro que las especies individuales se encontraron en ese tiempo y lugar, pero para el eADN, el organismo que produjo el ADN puede estar aguas arriba de la ubicación muestreada, [27] o el ADN puede haber sido transportado en las heces de una especie depredadora más móvil (por ejemplo, aves que depositan eADN de peces, [28] o estaba presente previamente, pero ya no está activo en la comunidad y la detección se realiza a partir del ADN que se desprendió años o décadas antes. [29] Esto último significa que la escala de inferencia tanto en el espacio como en el tiempo debe considerarse cuidadosamente al inferir la presencia de la especie en la comunidad basándose en el eADN. [13]

Etapas de la codificación metabólica

Seis pasos en la codificación de barras y metacodificación del ADN  [30]

Existen seis etapas o pasos en la codificación de barras y la metacodificación de barras del ADN. La codificación de barras del ADN de los animales (y, en concreto, de los murciélagos ) se utiliza como ejemplo en el diagrama de la derecha y en el análisis que aparece inmediatamente debajo.

En primer lugar, se eligen regiones de código de barras de ADN adecuadas para responder a alguna pregunta de investigación específica. La región de código de barras de ADN más comúnmente utilizada para animales es un segmento de aproximadamente 600 pares de bases de longitud del gen mitocondrial citocromo oxidasa I (CO1). [2] Este locus proporciona una gran variación de secuencia entre especies pero una cantidad relativamente pequeña de variación dentro de las especies. [31] Otras regiones de código de barras comúnmente utilizadas para la identificación de especies de animales son las regiones de ADN ribosómico (ADNr) como 16S , 18S y 12S y las regiones mitocondriales como el citocromo B. [32] [33] [34] [35] Estos marcadores tienen ventajas y desventajas y se utilizan para diferentes propósitos. [ 36] [37] A menudo se necesitan regiones de código de barras más largas (al menos 600 pares de bases de longitud) para una delimitación precisa de las especies, especialmente para diferenciar parientes cercanos. La identificación del productor de restos de organismos como heces, pelos y saliva puede utilizarse como medida indirecta para verificar la ausencia o presencia de una especie en un ecosistema. El ADN presente en estos restos suele ser de baja calidad y cantidad, por lo que en estos casos se utilizan códigos de barras más cortos, de alrededor de 100 pares de bases. De manera similar, los restos de ADN presentes en el estiércol también suelen degradarse, por lo que se necesitan códigos de barras cortos para identificar las presas consumidas. [30]

En segundo lugar, es necesario crear una base de datos de referencia de todos los códigos de barras de ADN que puedan aparecer en un estudio. Lo ideal es que estos códigos de barras se generen a partir de especímenes registrados depositados en un lugar de acceso público, como por ejemplo un museo de historia natural u otro instituto de investigación. [30] En la actualidad, se están creando bases de datos de referencia de este tipo en todo el mundo. Las organizaciones asociadas colaboran en proyectos internacionales como el Proyecto Internacional de Código de Barras de la Vida (iBOL) y el Consorcio para el Código de Barras de la Vida (CBOL), con el objetivo de construir una referencia de código de barras de ADN que será la base para la identificación basada en el ADN del bioma del mundo. Los repositorios de códigos de barras más conocidos son NCBI GenBank y el Sistema de Datos de Código de Barras de la Vida (BOLD). [30]

En tercer lugar, las células que contienen el ADN de interés deben romperse para exponer su ADN. Este paso, extracciones y purificaciones de ADN , debe realizarse a partir del sustrato en investigación. Hay varios procedimientos disponibles para esto. [38] Se deben elegir técnicas específicas para aislar el ADN de sustratos con ADN parcialmente degradado, por ejemplo, muestras fósiles y muestras que contienen inhibidores, como sangre, heces y tierra. Las extracciones en las que se espera que el rendimiento o la calidad del ADN sean bajos deben llevarse a cabo en una instalación de ADN antiguo , junto con protocolos establecidos para evitar la contaminación con ADN moderno. [39] [40] Los experimentos siempre deben realizarse por duplicado  [41] y con controles positivos incluidos. [30]

En cuarto lugar, los amplicones deben generarse a partir del ADN extraído, ya sea de una sola muestra o de mezclas complejas con cebadores basados ​​en códigos de barras de ADN seleccionados en el paso 1. Para realizar un seguimiento de su origen, es necesario agregar nucleótidos marcados (identificadores moleculares o etiquetas MID) en caso de metacodificación de barras. Estas etiquetas son necesarias más adelante en los análisis para rastrear las lecturas de un conjunto de datos masivos hasta su origen. [30]

Historia de la tecnología de secuenciación  [42]

En quinto lugar, se deben elegir las técnicas adecuadas para la secuenciación del ADN . El método clásico de terminación de cadena de Sanger se basa en la incorporación selectiva de inhibidores de elongación de cadena de la ADN polimerasa durante la replicación del ADN . Estas cuatro bases se separan por tamaño mediante electroforesis y luego se identifican mediante detección láser. El método de Sanger es limitado y puede producir una sola lectura al mismo tiempo y, por lo tanto, es adecuado para generar códigos de barras de ADN a partir de sustratos que contienen solo una única especie. [30] Las tecnologías emergentes, como la secuenciación por nanoporos, han reducido el costo de la secuenciación del ADN de aproximadamente USD 30 000 por megabyte en 2002 a aproximadamente USD 0,60 en 2016. [43] [44] Las tecnologías modernas de secuenciación de próxima generación (NGS) pueden manejar miles a millones de lecturas en paralelo y, por lo tanto, son adecuadas para la identificación masiva de una mezcla de diferentes especies presentes en un sustrato, resumidas como metabarcoding. [30]

Finalmente, se deben realizar análisis bioinformáticos para hacer coincidir los códigos de barras de ADN obtenidos con los números de índice de código de barras (BIN) en bibliotecas de referencia. [45] Cada BIN, o grupo de BIN, se puede identificar a nivel de especie cuando muestra una alta concordancia (>97%) con los códigos de barras de ADN vinculados a una especie presente en una biblioteca de referencia, o cuando aún falta la identificación taxonómica a nivel de especie, una unidad taxonómica operativa (OTU), que se refiere a un grupo de especies (es decir, género, familia o rango taxonómico superior). [30] (Ver binning (metagenómica) ). Los resultados de la cadena de montaje bioinformática se deben podar, por ejemplo, filtrando singletons no fiables, duplicados superfluos, lecturas de baja calidad y/o lecturas quiméricas . Esto se hace generalmente realizando búsquedas BLAST en serie en combinación con scripts automáticos de filtrado y recorte. [46] Se necesitan umbrales estandarizados para discriminar entre diferentes especies o una identificación correcta y una incorrecta. [30]

Flujo de trabajo de codificación de barras meta

A pesar del poder obvio del enfoque, la metacodificación de barras de eDNA se ve afectada por desafíos de precisión y exactitud distribuidos en todo el flujo de trabajo en el campo, en el laboratorio y en el teclado. [47] Como se establece en el diagrama de la derecha, siguiendo el diseño del estudio inicial (hipótesis/pregunta, grupo taxonómico objetivo, etc.) el flujo de trabajo actual de eDNA consta de tres componentes: campo, laboratorio y bioinformática. [13] El componente de campo consiste en la recolección de muestras (por ejemplo, agua, sedimento, aire) que se conservan o congelan antes de la extracción de ADN. El componente de laboratorio tiene cuatro pasos básicos: (i) el ADN se concentra (si no se realiza en el campo) y se purifica, (ii) se utiliza PCR para amplificar un gen o región objetivo, (iii) se incorporan secuencias de nucleótidos únicas llamadas "índices" (también denominados "códigos de barras") utilizando PCR o se ligan (unen) a diferentes productos de PCR, creando una "biblioteca" mediante la cual se pueden agrupar múltiples muestras, y (iv) las bibliotecas agrupadas luego se secuencian en una máquina de alto rendimiento . El paso final después del procesamiento de las muestras en el laboratorio es procesar computacionalmente los archivos de salida del secuenciador utilizando un sólido proceso bioinformático. [13]

Preguntas a tener en cuenta en las fases de diseño e implementación
de un estudio de metacodificación de ADN ambiental  [13]
Decisiones involucradas en un flujo de trabajo de ecología molecular  [12]
Las muestras se pueden recolectar de una variedad de entornos diferentes utilizando técnicas de recolección adecuadas. Luego se prepara el ADN y se lo utiliza para responder a una variedad de preguntas ecológicas: se utiliza la codificación metabólica para responder preguntas sobre "quién" está presente, mientras que la función de las comunidades o individuos se puede establecer utilizando metagenómica , genómica de células individuales o metatranscriptómica . [12]

Las OTU y el concepto de especie

Metodología y visualización

Visualización y métricas de diversidad a partir de datos de secuenciación ambiental  [12]
a) Diversidad alfa mostrada como gráficos de barras de taxonomía, que muestran la abundancia relativa de taxones en las muestras utilizando el marco de visualización de datos Phinch (Bik & Pitch Interactive 2014).
b) Patrones de diversidad beta ilustrados mediante análisis de coordenadas principales realizados en QIIME , [48] donde cada punto representa una muestra y los colores distinguen diferentes clases de muestra. Cuanto más cerca estén dos puntos de muestra en el espacio 3D, más similares serán sus ensamblajes comunitarios.
c) GraPhalUna visualización filogenética de datos ambientales, con mapas de calor circulares y barras de abundancia utilizadas para transmitir rasgos cuantitativos de taxones. [49]
d) Edge PCA, una métrica de diversidad basada en árboles que identifica linajes específicos (ramas verdes/naranjas) que más contribuyen a los cambios comunitarios observados en muestras distribuidas en diferentes ejes de PCA. [50] [51]

El método requiere que cada ADN recolectado se archive con su correspondiente "espécimen tipo" (uno por cada taxón), además de los datos habituales de la colección. Estos tipos se almacenan en instituciones específicas (museos, laboratorios moleculares, universidades, jardines zoológicos, jardines botánicos, herbarios, etc.) una por cada país, y en algunos casos, se asigna a una misma institución la tarea de contener los tipos de más de un país, en los casos en que algunas naciones no cuentan con la tecnología o los recursos financieros para hacerlo.

De este modo, la creación de ejemplares tipo de códigos genéticos representa una metodología paralela a la llevada a cabo por la taxonomía tradicional.

En una primera etapa se definió la región del ADN que se utilizaría para realizar el código de barras, que debía ser corta y conseguir un alto porcentaje de secuencias únicas. En el caso de animales, algas y hongos, una porción de un gen mitocondrial que codifica para la subunidad 1 de la enzima citocromo oxidasa, CO1, ha aportado altos porcentajes (95%), una región de alrededor de 648 pares de bases. [52]

En el caso de las plantas, el uso de CO1 no ha sido efectivo ya que presentan bajos niveles de variabilidad en esa región, además de las dificultades que se producen por los frecuentes efectos de poliploidía , introgresión e hibridación, por lo que el genoma del cloroplasto parece más adecuado. [53] [54]

Aplicaciones

Redes de polinizadores

Redes de polinización  bipartitas [55]
↑ metabarcoding                                 ↑ encuestas de visitas
(a,b) grupos de plantas polinizadoras
(c,d) especies de plantas polinizadoras
(e,f) especies individuales de plantas polinizadoras
( Empis leptempis pandellei )
Apis: Apis mellifera ; Bomb.: Bombus sp.; W.bee: abejas silvestres; O.Hym.: otros himenópteros ; O.Dipt.: otros dípteros ; Emp.: Empididae ; Syrph.: Syrphidae ; Col.: Coleoptera ; Lep.: Lepidoptera ; Musc.: Muscidae .
El grosor de la línea resalta la proporción de interacciones.

El diagrama de la derecha muestra una comparación de las redes de polinización basadas en la codificación de barras de ADN con redes más tradicionales basadas en observaciones directas de las visitas de insectos a las plantas. Al detectar numerosas interacciones ocultas adicionales, los datos de la codificación de barras de ADN alteran en gran medida las propiedades de las redes de polinización en comparación con los estudios de visitas. Los datos moleculares muestran que los polinizadores son mucho más generalistas de lo esperado a partir de los estudios de visitas. Sin embargo, las especies de polinizadores estaban compuestas por individuos relativamente especializados y formaban grupos funcionales altamente especializados en morfos florales . [55]

Como consecuencia de los cambios globales en curso, se ha observado una disminución dramática y paralela a nivel mundial de polinizadores y especies vegetales polinizadas por animales. [56] Es urgente comprender las respuestas de las redes de polinización a estas disminuciones para diagnosticar los riesgos que pueden correr los ecosistemas, así como para diseñar y evaluar la eficacia de las acciones de conservación. [57] Los primeros estudios sobre la polinización animal se ocuparon de sistemas simplificados, es decir, interacciones específicas por pares o involucraron pequeños subconjuntos de comunidades de plantas y animales. Sin embargo, los impactos de las perturbaciones ocurren a través de redes de interacción altamente complejas  [58] y, hoy en día, estos sistemas complejos son actualmente un foco principal de investigación. La evaluación de las redes reales (determinadas por el proceso ecológico) a partir de estudios de campo que están sujetos a efectos de muestreo aún presenta desafíos. [59] [55]

Estudios de investigación recientes se han beneficiado claramente de los conceptos y herramientas de red para estudiar los patrones de interacción en grandes conjuntos de especies. [60] Demostraron que las redes planta-polinizador estaban altamente estructuradas, desviándose significativamente de las asociaciones aleatorias. [61] Comúnmente, las redes tienen (1) una baja conectancia (la fracción realizada de todos los enlaces potenciales en la comunidad) lo que sugiere un bajo grado de generalización; (2) una alta anidación (los organismos más especializados tienen más probabilidades de interactuar con subconjuntos de las especies con las que interactúan los organismos más generalistas) las especies más especializadas interactúan solo con subconjuntos adecuados de esas especies que interactúan con las más generalistas; [62] (3) una distribución acumulativa de conectividad (número de enlaces por especie, s) que sigue una función de ley de potencia o de potencia truncada  [63] caracterizada por pocos supergeneralistas con más enlaces de los esperados por casualidad y muchos especialistas; (4) una organización modular. Un módulo es un grupo de especies de plantas y polinizadores que exhibe altos niveles de conectividad dentro del módulo y que está pobremente conectado con especies de otros grupos. [64] [55]

El bajo nivel de conectividad y la alta proporción de especialistas en redes de polinización contrastan con la visión de que la generalización en lugar de la especialización es la norma en las redes. [65] [66] De hecho, la mayoría de las especies de plantas son visitadas por una amplia gama de polinizadores que explotan los recursos florales de una amplia gama de especies de plantas. [67] [68] Una causa principal evocada para explicar esta aparente contradicción es el muestreo incompleto de interacciones. [69] De hecho, la mayoría de las propiedades de la red son altamente sensibles a la intensidad del muestreo y al tamaño de la red. [61] Los estudios de redes son básicamente fitocéntricos, es decir, se basan en las observaciones de las visitas de los polinizadores a las flores. Este enfoque centrado en las plantas sufre, sin embargo, limitaciones inherentes que pueden obstaculizar la comprensión de los mecanismos que contribuyen al ensamblaje de la comunidad y los patrones de biodiversidad. En primer lugar, las observaciones directas de las visitas de los polinizadores a ciertos taxones como las orquídeas suelen ser escasas  [70] y las interacciones raras son muy difíciles de detectar en el campo en general. [57] [58] [59] [60] Las comunidades de polinizadores y plantas suelen estar compuestas por pocas especies abundantes y muchas especies raras que se registran deficientemente en los estudios de visitas. [71] [72] Estas especies raras aparecen como especialistas, mientras que, de hecho, podrían ser generalistas típicas. Debido a la relación positiva entre la frecuencia de interacción (f) y la conectividad (s), las interacciones submuestreadas pueden llevar a sobreestimar el grado de especialización en las redes. [73] En segundo lugar, los análisis de redes han operado principalmente a niveles de especies. Las redes rara vez se han ampliado a los grupos funcionales o se han reducido a las redes basadas en individuos, [74] y la mayoría de ellos se han centrado en una o dos especies solamente. El comportamiento de los individuos o las colonias se ignora comúnmente, aunque puede influir en la estructura de las redes de especies. [74] Las especies contabilizadas como generalistas en las redes de especies podrían, por lo tanto, implicar individuos o colonias especializados crípticos. En tercer lugar, los visitantes de flores no son de ninguna manera siempre polinizadores efectivos, ya que pueden no depositar polen conespecífico y/o una gran cantidad de polen heteroespecífico. [75] [76] Los enfoques centrados en los animales basados ​​en la investigación de las cargas de polen de los visitantes y los estigmas de las plantas pueden ser más eficientes para revelar las interacciones entre plantas y polinizadores. [75] [76] [55]

Desenredando las redes alimentarias

Depredadores artrópodos y depredadores vertebrados en un campo de mijo  [77]

(A) Red trófica:
de depredadores artrópodos y vertebrados: las flechas representan el flujo de biomasa entre depredadores y presas.
(B) Interacciones intragremiales: * Depredadores artrópodos * Parasitoides de artrópodos: * Vertebrados insectívoros: [77]

La metacodificación de barras ofrece nuevas oportunidades para descifrar los vínculos tróficos entre los depredadores y sus presas dentro de las redes alimentarias. [78] [79] En comparación con los métodos tradicionales que consumen mucho tiempo, como los análisis microscópicos o serológicos , el desarrollo de la metacodificación de barras de ADN permite la identificación de especies presa sin conocimiento previo del rango de presa del depredador. [80] Además, la metacodificación de barras también se puede utilizar para caracterizar una gran cantidad de especies en una sola reacción de PCR y para analizar varios cientos de muestras simultáneamente. [6] Este enfoque se utiliza cada vez más para explorar la diversidad funcional y la estructura de las redes alimentarias en los agroecosistemas. [79] [81] [82] [83] [84] Al igual que otros enfoques basados ​​en moléculas, la metacodificación de barras solo brinda resultados cualitativos sobre la presencia/ausencia de especies presa en el intestino o en muestras fecales. [85] Sin embargo, este conocimiento de la identidad de las presas consumidas por depredadores de la misma especie en un entorno determinado permite un "sustituto pragmático y útil de información verdaderamente cuantitativa". [86] [77]

En la ecología de la red alimentaria , "quién se come a quién" es una cuestión fundamental para obtener una mejor comprensión de las complejas interacciones tróficas existentes entre las plagas y sus enemigos naturales dentro de un ecosistema determinado. [36] [87] El análisis dietético de los depredadores artrópodos y vertebrados permite la identificación de depredadores clave involucrados en el control natural de las plagas de artrópodos y brinda información sobre la amplitud de su dieta ( generalista vs. especialista ) y la depredación intragremio . [77]

El diagrama de la derecha resume los resultados de un estudio de 2020 que utilizó metabarcoding para desentrañar la diversidad funcional y la estructura de la red alimentaria asociada con un par de campos de mijo en Senegal. Después de asignar las OTU identificadas como especies, se identificaron 27 taxones de presas de artrópodos de nueve depredadores de artrópodos. El número medio de taxones de presas detectados por muestra fue el más alto en escarabajos carábidos , hormigas y arañas, y el más bajo en los depredadores restantes, incluidos los insectos antocóridos , los insectos pentatómidos y las tijeretas. Entre los artrópodos depredadores, se observó una alta diversidad de presas de artrópodos en arañas, escarabajos carábidos, hormigas e chinches antocóridas. Por el contrario, la diversidad de especies de presas identificadas en tijeretas e chinches pentatómidas fue relativamente baja. Lepidoptera , Hemiptera , Diptera y Coleoptera fueron los taxones de presas de insectos más comunes detectados de artrópodos depredadores. [77]

La conservación de la biodiversidad funcional y los servicios ecosistémicos relacionados , especialmente mediante el control de plagas utilizando sus enemigos naturales, ofrece nuevas vías para abordar los desafíos de la intensificación sostenible de los sistemas de producción de alimentos. [88] [89] [90] La depredación de plagas de cultivos por depredadores generalistas, incluidos los artrópodos y los vertebrados, es un componente importante del control natural de plagas . [91] Un rasgo particularmente importante de la mayoría de los depredadores generalistas es que pueden colonizar cultivos a principios de la temporada alimentándose primero de presas alternativas. [92] [93] Sin embargo, la amplitud de la dieta "generalista" conlleva algunos inconvenientes para el control de plagas, como la depredación dentro del gremio. [91] [94] [95] Por lo tanto, se necesita un diagnóstico ajustado de la amplitud de la dieta en depredadores generalistas, incluida la depredación de presas que no son plagas, para desenredar mejor las redes alimentarias (por ejemplo, la competencia por explotación y la competencia aparente) y, en última instancia, para identificar los impulsores clave del control natural de plagas en los agroecosistemas. Sin embargo, la importancia de los depredadores generalistas en la red alimentaria es generalmente difícil de evaluar, debido a la naturaleza efímera de las interacciones individuales depredador-presa. [94] [96] La única evidencia concluyente de depredación resulta de la observación directa del consumo de presas, la identificación de residuos de presas dentro de los intestinos de los depredadores, [94] y análisis de regurgitados [97] o heces. [98] [77]

Bioseguridad marina

Codificación metabólica de ADN y ARN en bioseguridad marina
Biodiversidad global de unidades taxonómicas operativas (UTO) para conjuntos de datos de solo ADN, eADN/eARN compartidos y solo ARN. Los gráficos muestran la abundancia relativa de secuencias en los niveles taxonómicos más altos asignados. [99]
Especies como estas sobreviven al paso por sistemas de bombeo sin filtrar.

La propagación de especies no autóctonas (EIN) representa riesgos significativos y crecientes para los ecosistemas. [100] En los sistemas marinos, las EIN que sobreviven al transporte y se adaptan a nuevas ubicaciones pueden tener efectos adversos significativos en la biodiversidad local, incluido el desplazamiento de especies nativas y cambios en las comunidades biológicas y las redes alimentarias asociadas. [101] [102] Una vez que se establecen las EIN, son extremadamente difíciles y costosas de erradicar, [103] [104] y puede ocurrir una mayor propagación regional a través de la dispersión natural o por vías de transporte antropogénico. [104] [105] [106] Si bien las incrustaciones en los cascos de los buques y las aguas de lastre de los barcos son bien conocidas como vías antropogénicas importantes para la propagación internacional de las EIN, [100] [107] [108] [109] se sabe comparativamente poco sobre el potencial de los buques que transitan regionalmente para contribuir a la propagación secundaria de plagas marinas a través de la translocación de agua de sentina. [99]

Estudios recientes han revelado que el agua y los desechos asociados arrastrados en los espacios de sentina de embarcaciones pequeñas (<20 m) pueden actuar como un vector para la propagación de NIS a escalas regionales. [110] [111] [112] [113] [114] [115] El agua de sentina se define como cualquier agua que se retiene en un buque (que no sea lastre), y que no se bombea deliberadamente a bordo. Puede acumularse en o debajo de la cubierta del buque (por ejemplo, debajo de los paneles del piso) a través de una variedad de mecanismos, incluidas las acciones de las olas, las fugas, a través de los casquillos de popa de la hélice y mediante la carga de elementos como equipos de buceo, pesca, acuicultura o científicos. [116] Por lo tanto, el agua de sentina puede contener agua de mar, así como organismos vivos en varias etapas de vida, restos celulares y contaminantes (por ejemplo, aceite, suciedad, detergente, etc.), todos los cuales generalmente se descargan utilizando bombas de achique automáticas o se autodrena utilizando válvulas de pico de pato. El agua de sentina bombeada desde embarcaciones pequeñas (manual o automáticamente) generalmente no se trata antes de su descarga al mar, a diferencia de las embarcaciones más grandes que deben separar el aceite y el agua mediante sistemas de filtración, centrifugación o absorción de carbono. [116] [117] Si los propágulos son viables a través de este proceso, la descarga de agua de sentina puede provocar la propagación de NIS. [99]

En 2017, Fletcher et al. utilizaron una combinación de experimentos de laboratorio y de campo para investigar la diversidad, abundancia y supervivencia del material biológico contenido en muestras de agua de sentina tomadas de pequeñas embarcaciones costeras. [115] Su experimento de laboratorio mostró que las colonias o fragmentos de ascidias y las larvas de briozoos pueden sobrevivir al paso por un sistema de bombeo sin filtrar prácticamente sin sufrir daños. También llevaron a cabo la primera evaluación morfomolecular (utilizando la codificación de barras de eDNA) sobre el riesgo de bioseguridad que plantean las descargas de agua de sentina de 30 pequeñas embarcaciones (veleros y lanchas motoras) de diversos orígenes y tiempos de navegación. Utilizando la codificación de barras de eDNA caracterizaron aproximadamente tres veces más taxones que mediante los métodos microscópicos tradicionales, incluida la detección de cinco especies reconocidas como no autóctonas en la región de estudio. [99]

Para ayudar a comprender los riesgos asociados con los diferentes vectores de introducción de NIS, las evaluaciones tradicionales de la biodiversidad mediante microscopio se complementan cada vez más con la codificación metabólica de eDNA. [118] [119] [120] [121] Esto permite identificar una amplia gama de conjuntos taxonómicos diversos, en muchas etapas de la vida. También puede permitir la detección de NIS que pueden haberse pasado por alto utilizando métodos tradicionales. A pesar del gran potencial de las herramientas de codificación metabólica de eDNA para la detección taxonómica a gran escala, [122] [123] un desafío clave para el eDNA en el contexto del monitoreo ambiental de plagas marinas, y particularmente cuando se monitorean entornos cerrados como algunos espacios de sentina o tanques de lastre, es diferenciar organismos muertos y viables. [124] El ADN extracelular puede persistir en ambientes oscuros/fríos por largos períodos de tiempo (meses a años, [125] [126] por lo tanto muchos de los organismos detectados usando metabarcoding de eADN pueden no haber sido viables en el lugar de recolección de la muestra durante días o semanas. Por el contrario, el ácido ribonucleico (ARN) se deteriora rápidamente después de la muerte celular, probablemente proporcionando una representación más precisa de comunidades viables. [127] Estudios recientes de metabarcoding han explorado el uso de moléculas de eADN y eARN coextraídas para monitorear muestras de sedimentos bentónicos alrededor de granjas de peces marinos y sitios de perforación de petróleo, [128] [129] [130] [131] [132] y colectivamente han encontrado correlaciones ligeramente más fuertes entre las variables biológicas y fisicoquímicas a lo largo de los gradientes de impacto cuando se usa eARN. Desde una perspectiva de bioseguridad marina, la detección de NIS vivo puede representar una amenaza más grave e inmediata que la detección de NIS basada puramente en una señal de ADN. Por lo tanto, el ARN ambiental puede ofrecer un método útil para identificar organismos vivos en muestras. [99]

Misceláneas

La construcción de la biblioteca de códigos de barras genéticos se centró inicialmente en peces [133] y aves, [134] [135] [136] seguido de mariposas y otros invertebrados. [137] En el caso de las aves, la muestra de ADN generalmente se obtiene del pecho.

Los investigadores ya han desarrollado catálogos específicos para grandes grupos animales, como abejas, aves, mamíferos o peces. Otro uso es analizar la zoocenosis completa de un área geográfica determinada, como el proyecto "Polar Life Bar Code" que pretende recopilar los rasgos genéticos de todos los organismos que viven en las regiones polares; ambos polos de la Tierra. Relacionada con esta forma está la codificación de toda la ictiofauna de una cuenca hidrográfica, por ejemplo la que comenzó a desarrollarse en el río São Francisco, en el nordeste de Brasil . [138] [139]

El potencial del uso de los Códigos de Barras es muy amplio, desde el descubrimiento de numerosas especies crípticas (ya ha dado numerosos resultados positivos), [140] el uso en la identificación de especies en cualquier etapa de su vida, la identificación segura en casos de especies protegidas que son objeto de tráfico ilegal, etc. [141] [142]

También se ha utilizado como una herramienta no invasiva para determinar la dieta de especies silvestres, como los wombats [143] y, en particular, especies en peligro crítico de extinción, como el wombat de nariz peluda del norte ( Lasiorhinus krefftii ). [144]

Potenciales y deficiencias

Una región del gen de la enzima citocromo c oxidasa se utiliza para distinguir especies en la base de datos de Barcode of Life Data Systems .

Potenciales

Se ha propuesto el código de barras de ADN como una forma de distinguir especies que puede ser utilizada incluso por personas no especialistas. [145]

Defectos

En general, las deficiencias de la codificación de barras de ADN son válidas también para la codificación de barras metabólica. Un inconveniente particular de los estudios de codificación de barras metabólica es que aún no hay consenso sobre el diseño experimental óptimo y los criterios bioinformáticos que se deben aplicar en la codificación de barras metabólica de ADN ambiental. [146] Sin embargo, existen intentos actuales conjuntos, como la red COST DNAqua-Net de la Cooperación Europea en Ciencia y Tecnología , [147] para avanzar mediante el intercambio de experiencias y conocimientos para establecer estándares de mejores prácticas para la biomonitorización. [148]

El llamado código de barras es una región del ADN mitocondrial dentro del gen de la citocromo c oxidasa . Una base de datos, Barcode of Life Data Systems (BOLD), contiene secuencias de códigos de barras de ADN de más de 190.000 especies. [149] [150] Sin embargo, científicos como Rob DeSalle han expresado su preocupación por la necesidad de conciliar la taxonomía clásica y el código de barras de ADN, que consideran un nombre inapropiado, ya que delimitan las especies de manera diferente. [151] La introgresión genética mediada por endosimbiontes y otros vectores puede hacer que los códigos de barras sean ineficaces para la identificación de especies. [152]

Estado de las especies de código de barras

En microbiología , los genes pueden moverse libremente incluso entre bacterias distantes relacionadas, posiblemente extendiéndose a todo el dominio bacteriano. Como regla general, los microbiólogos han asumido que los tipos de bacterias o arqueas con secuencias de genes de ARN ribosómico 16S más similares entre sí en un 97% necesitan ser examinados mediante hibridación ADN-ADN para decidir si pertenecen a la misma especie o no. [153] Este concepto se redujo en 2006 a una similitud del 98,7%. [154]

La hibridación ADN-ADN está obsoleta y los resultados a veces han llevado a conclusiones erróneas sobre las especies, como en el caso del pomarino y el págalo grande . [155] [156] Los enfoques modernos comparan la similitud de secuencias utilizando métodos computacionales. [157]

Véase también

Referencias

  1. ^ Pierre, Taberlet (2 de febrero de 2018). ADN ambiental: para la investigación y el seguimiento de la biodiversidad . Bonin, Aurelie, 1979-. Oxford. ISBN 9780191079993.OCLC 1021883023  .{{cite book}}: CS1 maint: location missing publisher (link)
  2. ^ ab Hebert, Paul DN; Cywinska, Alina; Ball, Shelley L.; Dewaard, Jeremy R. (2003). "Identificaciones biológicas a través de códigos de barras de ADN". Actas de la Royal Society de Londres. Serie B: Ciencias Biológicas . 270 (1512): 313–321. doi :10.1098/rspb.2002.2218. PMC 1691236 . PMID  12614582. 
  3. ^ Ficetola, Gentile Francesco; Miaud, Claude; Pompanon, François; Taberlet, Pierre (2008). "Detección de especies utilizando ADN ambiental de muestras de agua". Biology Letters . 4 (4): 423–425. doi :10.1098/rsbl.2008.0118. PMC 2610135 . PMID  18400683. 
  4. ^ abc Barnes, Matthew A.; Turner, Cameron R. (2016). "La ecología del ADN ambiental y las implicaciones para la genética de la conservación". Genética de la conservación . 17 : 1–17. doi : 10.1007/s10592-015-0775-4 . hdl : 2346/87600 . S2CID  14914544.
  5. ^ Deiner, Kristy; Walser, Jean-Claude; Mächler, Elvira; Altermatt, Florian (2015). "La elección de los métodos de captura y extracción afecta la detección de la biodiversidad de agua dulce a partir del ADN ambiental". Conservación biológica . 183 : 53–63. doi :10.1016/j.biocon.2014.11.018.
  6. ^ ab Taberlet, Pierre; Coissac, Eric; Pompanon, François; Brochmann, Christian; Willerslev, Eske (2012). "Hacia una evaluación de la biodiversidad de próxima generación utilizando la codificación de barras de ADN". Ecología molecular . 21 (8): 2045–2050. doi :10.1111/j.1365-294X.2012.05470.x. PMID  22486824. S2CID  41437334.
  7. ^ ab Bohmann, Kristine; Evans, Alice; Gilbert, M. Thomas P.; Carvalho, Gary R.; Creer, Simon; Knapp, Michael; Yu, Douglas W.; De Bruyn, Mark (2014). "ADN ambiental para la biología de la vida silvestre y el monitoreo de la biodiversidad". Tendencias en ecología y evolución . 29 (6): 358–367. doi :10.1016/j.tree.2014.04.003. PMID  24821515.
  8. ^ Goldberg, Caren S.; Turner, Cameron R.; Deiner, Kristy; Klymus, Katy E.; Thomsen, Philip Francis; Murphy, Melanie A.; Spear, Stephen F.; McKee, Anna; Oyler-Mccance, Sara J.; Cornman, Robert Scott; Laramie, Matthew B.; Mahon, Andrew R.; Lance, Richard F.; Pilliod, David S.; Strickler, Katherine M.; Waits, Lisette P.; Fremier, Alexander K.; Takahara, Teruhiko; Herder, Jelger E.; Taberlet, Pierre (2016). "Consideraciones críticas para la aplicación de métodos de ADN ambiental para detectar especies acuáticas". Métodos en ecología y evolución . 7 (11): 1299–1307. doi : 10.1111/2041-210X.12595 . código fuente : 20.500.11850/502281 .
  9. ^ abc Hering, Daniel; Borja, Ángel; Jones, J. Iwan; Pont, Didier; Boets, Pieter; Bouchez, Agnès; Bruce, Kat; Drakare, Stina; Hänfling, Bernd; Kahlert, María; Leese, Florián; Meissner, Kristian; Mergen, Patricia; Reyjol, Yorick; Segurado, Pedro; Vogler, Alfried; Kelly, Martyn (2018). "Opciones de implementación para la identificación basada en ADN en la evaluación del estado ecológico según la Directiva marco europea del agua". Investigación del agua . 138 : 192-205. Código Bib : 2018WatRe.138..192H. doi :10.1016/j.waters.2018.03.003. PMID  29602086. S2CID  5008250.
  10. ^ abcde Ruppert, Krista M.; Kline, Richard J.; Rahman, Md Saydur (2019). "Perspectivas pasadas, presentes y futuras de la codificación metabólica del ADN ambiental (EDNA): una revisión sistemática de los métodos, el seguimiento y las aplicaciones del eDNA global". Ecología global y conservación . 17 : e00547. doi : 10.1016/j.gecco.2019.e00547 . El material fue copiado de esta fuente, que está disponible bajo una Licencia Creative Commons Atribución 4.0 Internacional
  11. ^ ab Coissac, Eric; Riaz, Tiayyba; Puillandre, Nicolas (2012). "Desafíos bioinformáticos para la codificación metabólica del ADN de plantas y animales". Ecología molecular . 21 (8): 1834–1847. doi : 10.1111/j.1365-294X.2012.05550.x . PMID  22486822. S2CID  24398174.
  12. ^ abcdefg Creer, Simon; Deiner, Kristy; Frey, Serita ; Porazinska, Dorota; Taberlet, Pierre; Thomas, W. Kelley; Potter, Caitlin; Bik, Holly M. (2016). "La guía de campo del ecologista para la identificación basada en secuencias de la biodiversidad". Métodos en ecología y evolución . 7 (9): 1008–1018. doi : 10.1111/2041-210X.12574 . hdl : 20.500.11850/125378 . El material fue copiado de esta fuente, que está disponible bajo una Licencia Creative Commons Atribución 4.0 Internacional
  13. ^ abcdefghi Deiner, Kristy; Bik, Holly M.; Mächler, Elvira; Seymour, Mathew; Lacoursière-Roussel, Anaïs; Altermatt, Florian; Creer, Simon; Bista, Iliana; Lodge, David M.; Vere, Natasha; Pfrender, Michael E.; Bernatchez, Louis (2017). "Codificación de barras metabólica del ADN ambiental: transformando la forma en que examinamos las comunidades animales y vegetales". Ecología molecular . 26 (21): 5872–5895. doi : 10.1111/mec.14350 . hdl : 20.500.11850/455284 . PMID  28921802. S2CID  8001074. El material fue copiado de esta fuente, que está disponible bajo una Licencia Creative Commons Atribución 4.0 Internacional
  14. ^ Ficetola, Gentile Francesco; Taberlet, Pierre; Coissac, Eric (2016). "¿Cómo limitar los falsos positivos en el ADN ambiental y la codificación de barras metabólica?". Recursos de ecología molecular . 16 (3): 604–607. doi : 10.1111/1755-0998.12508 . PMID  27062589. S2CID  785279.
  15. ^ Yu, Douglas W.; Ji, Yinqiu; Emerson, Brent C.; Wang, Xiaoyang; Ye, Chengxi; Yang, Chunyan; Ding, Zhaoli (2012). "Sopa de biodiversidad: metacodificación de artrópodos para la evaluación rápida de la biodiversidad y el biomonitoreo". Métodos en ecología y evolución . 3 (4): 613–623. doi : 10.1111/j.2041-210X.2012.00198.x . hdl : 10261/193380 .
  16. ^ Cristescu, Melania E. (2014). "Del código de barras de individuos individuales al código de barras meta de comunidades biológicas: hacia un enfoque integrador para el estudio de la biodiversidad global". Tendencias en ecología y evolución . 29 (10): 566–571. doi :10.1016/j.tree.2014.08.001. PMID  25175416. S2CID  18352572.
  17. ^ Gibson, Joel F.; Shokralla, Shadi; Curry, Colin; Baird, Donald J.; Monk, Wendy A.; King, Ian; Hajibabaei, Mehrdad (2015). "Biomonitoreo a gran escala de ecosistemas remotos y amenazados mediante secuenciación de alto rendimiento". PLOS ONE . ​​10 (10): e0138432. Bibcode :2015PLoSO..1038432G. doi : 10.1371/journal.pone.0138432 . PMC 4619546 . PMID  26488407. 
  18. ^ Chua, Physilia YS; Bourlat, Sarah J.; Ferguson, Cameron; Korlevic, Petra; Zhao, Leia; Ekrem, Torbjørn; Meier, Rudolf; Lawniczak, Mara KN (10 de marzo de 2023). "Futuro del seguimiento de insectos basado en ADN". Tendencias en Genética . 39 (7): 531–544. doi :10.1016/j.tig.2023.02.012. PMID  36907721. S2CID  257470926.
  19. ^ Margulies, Marcel; et al. (2005). "Secuenciación genómica en reactores de picolitros de alta densidad microfabricados". Nature . 437 (7057): 376–380. Bibcode :2005Natur.437..376M. doi :10.1038/nature03959. PMC 1464427 . PMID  16056220. 
  20. ^ Hajibabaei, Mehrdad; Shokralla, Shadi; Zhou, Xin; Singer, Gregory AC; Baird, Donald J. (2011). "Código de barras ambiental: un enfoque de secuenciación de próxima generación para aplicaciones de biomonitoreo utilizando bentos de río". PLOS ONE . ​​6 (4): e17497. Bibcode :2011PLoSO...617497H. doi : 10.1371/journal.pone.0017497 . PMC 3076369 . PMID  21533287. 
  21. ^ Benson, Dennis A.; Cavanaugh, Mark; Clark, Karen; Karsch-Mizrachi, Ilene; Lipman, David J.; Ostell, James; Sayers, Eric W. (2012). "Gen Bank". Nucleic Acids Research . 41 (número de la base de datos): D36–D42. doi :10.1093/nar/gks1195. PMC 3531190 . PMID  23193287. 
  22. ^ Pruesse, E.; Quast, C.; Knittel, K.; Fuchs, BM; Ludwig, W.; Peplies, J.; Glockner, FO (2007). "SILVA: Un recurso en línea completo para datos de secuencias de ARN ribosómico alineadas y de calidad verificada compatibles con ARB". Nucleic Acids Research . 35 (21): 7188–7196. doi :10.1093/nar/gkm864. PMC 2175337 . PMID  17947321. 
  23. ^ o'Donnell, James L.; Kelly, Ryan P.; Lowell, Natalie C.; Port, Jesse A. (2016). "Los cebadores de PCR indexados inducen un sesgo específico de la plantilla en estudios de secuenciación de ADN a gran escala". PLOS ONE . ​​11 (3): e0148698. Bibcode :2016PLoSO..1148698O. doi : 10.1371/journal.pone.0148698 . PMC 4780811 . PMID  26950069. 
  24. ^ Sønstebø, JH; Gielly, L.; Brysting, AK; Elven, R.; Edwards, M.; Haile, J.; Willerslev, E.; Coissac, E.; Rioux, D.; Sannier, J.; Taberlet, P.; Brochmann, C. (2010). "Uso de secuenciación de próxima generación para la reconstrucción molecular de la vegetación y el clima del Ártico del pasado". Recursos de ecología molecular . 10 (6): 1009–1018. doi :10.1111/j.1755-0998.2010.02855.x. PMID  21565110. S2CID  23029234.
  25. ^ Willerslev, Eske; et al. (2014). "Cincuenta mil años de vegetación ártica y dieta de la megafauna" (PDF) . Nature . 506 (7486): 47–51. Bibcode :2014Natur.506...47W. doi :10.1038/nature12921. PMID  24499916. S2CID  4461741.
  26. ^ Blaxter, Mark; Mann, Jenna; Chapman, Tom; Thomas, Fran; Whitton, Claire; Floyd, Robin; Abebe, Eyualem (2005). "Definición de unidades taxonómicas operativas utilizando datos de códigos de barras de ADN". Philosophical Transactions of the Royal Society B: Biological Sciences . 360 (1462): 1935–1943. doi :10.1098/rstb.2005.1725. PMC 1609233 . PMID  16214751. 
  27. ^ Deiner, Kristy; Altermatt, Florian (2014). "Distancia de transporte de ADN ambiental de invertebrados en un río natural". PLOS ONE . ​​9 (2): e88786. Bibcode :2014PLoSO...988786D. doi : 10.1371/journal.pone.0088786 . PMC 3921251 . PMID  24523940. 
  28. ^ Merkes, Christopher M.; McCalla, S. Grace; Jensen, Nathan R.; Gaikowski, Mark P.; Amberg, Jon J. (2014). "La persistencia del ADN en cadáveres, baba y heces de aves puede afectar la interpretación de datos ambientales de ADN". PLOS ONE . ​​9 (11): e113346. Bibcode :2014PLoSO...9k3346M. doi : 10.1371/journal.pone.0113346 . PMC 4234652 . PMID  25402206. 
  29. ^ Yoccoz, NG; Bråthen, KA; Gielly, L.; Haile, J.; Edwards, YO; Goslar, T.; von Stedingk, H.; Brysting, Alaska; Coissac, E.; Pompanón, F.; Sønstebø, JH; Miguel, C.; Valentini, A.; De Bello, F.; Chávez, J.; Thuiller, W.; Wincker, P.; Cruaud, C.; Gavory, F.; Rasmussen, M.; Gilbert, MTP; Orlando, L.; Brochmann, C.; Willerslev, E.; Taberlet, P. (2012). "El ADN del suelo refleja la diversidad taxonómica y de formas de crecimiento de las plantas". Ecología Molecular . 21 (15): 3647–3655. doi :10.1111/j.1365-294X.2012.05545.x. PMID  22507540.
  30. ^ abcdefghij Haarsma, Anne-Jifke; Siepel, Henk; Gravendel, Barbara (2016). "Valor añadido del metacódigo de barras combinado con microscopía para estudios evolutivos de mamíferos". Zoológica Scripta . 45 : 37–49. doi : 10.1111/zsc.12214 . hdl : 2066/161842 . S2CID  89048681. El material fue copiado de esta fuente, que está disponible bajo una Licencia Creative Commons Atribución 4.0 Internacional
  31. ^ Kress, W. John; García-Robledo, Carlos; Uriarte, Maria; Erickson, David L. (2015). "Códigos de barras de ADN para ecología, evolución y conservación". Tendencias en ecología y evolución . 30 (1): 25–35. doi :10.1016/j.tree.2014.10.008. PMID  25468359.
  32. ^ Galan, Maxime; Pagès, Marie; Cosson, Jean-François (2012). "Secuenciación de próxima generación para códigos de barras de roedores: identificación de especies a partir de muestras frescas, degradadas y ambientales". PLOS ONE . ​​7 (11): e48374. Bibcode :2012PLoSO...748374G. doi : 10.1371/journal.pone.0048374 . PMC 3492341 . PMID  23144869. 
  33. ^ Ivanova, Natalia V.; Clare, Elizabeth L.; Borisenko, Alex V. (2012). "Códigos de barras de ADN en mamíferos". Códigos de barras de ADN . Métodos en biología molecular. Vol. 858. págs. 153–182. doi :10.1007/978-1-61779-591-6_8. ISBN 978-1-61779-590-9. Número de identificación personal  22684956.
  34. ^ Clare, Elizabeth L. (2014). "Detección molecular de interacciones tróficas: tendencias emergentes, ventajas distintivas, consideraciones significativas y aplicaciones de conservación". Aplicaciones evolutivas . 7 (9): 1144–1157. doi :10.1111/eva.12225. PMC 4231602 . PMID  25553074. 
  35. ^ Orlando, Ludovic; Hänni, Catherine; Douady, Christophe J. (2007). "Relaciones filogenéticas entre mamuts y elefantes: Mammut americanum, el grupo externo perdido". Bioinformática evolutiva . 3 : 45–51. doi :10.1177/117693430700300019. PMC 2674638 . PMID  19430604. 
  36. ^ ab Pompanon, Francois; Deagle, Bruce E.; Symondson, William OC; Brown, David S.; Jarman, Simon N.; Taberlet, Pierre (2012). "Quién come qué: evaluación de la dieta mediante secuenciación de próxima generación". Ecología molecular . 21 (8): 1931–1950. doi : 10.1111/j.1365-294X.2011.05403.x . PMID  22171763. S2CID  10013333.
  37. ^ Deagle, Bruce E.; Jarman, Simon N.; Coissac, Eric; Pompanon, François; Taberlet, Pierre (2014). "Codificación de barras metabólica del ADN y el marcador de la subunidad I de la citocromo c oxidasa: no es una coincidencia perfecta". Biology Letters . 10 (9). doi :10.1098/rsbl.2014.0562. PMC 4190964 . PMID  25209199. 
  38. ^ Dhaliwal, Anandika (2013). "Extracción y purificación de ADN". Materiales y métodos . 3 . doi :10.13070/mm.en.3.191.
  39. ^ Cooper, A.; Poinar, HN (2000). "ADN antiguo: hazlo bien o no lo hagas". Science . 289 (5482): 1139b–1139. doi :10.1126/science.289.5482.1139b. PMID  10970224. S2CID  11030200.
  40. ^ Willerslev, Eske; Cooper, Alan (2005). "Artículo de revisión. ADN antiguo". Actas de la Royal Society B: Ciencias Biológicas . 272 ​​(1558): 3–16. doi :10.1098/rspb.2004.2813. PMC 1634942 . PMID  15875564. 
  41. ^ Ficetola, Gentile F.; Pansu, Johan; Bonin, Aurélie; Coissac, Eric; Giguet-Covex, Charline; De Barba, Marta; Gielly, Ludovic; Lopes, Carla M.; Boyer, Federico; Pompanón, François; Rayé, Gilles; Taberlet, Pierre (2015). "Niveles de replicación, presencias falsas y estimación de la presencia / ausencia a partir de datos de metabarcodificación de ADNe". Recursos de ecología molecular . 15 (3): 543–556. doi :10.1111/1755-0998.12338. PMID  25327646. S2CID  24432585.
  42. ^ Yang, Aimin; Zhang, Wei; Wang, Jiahao; Yang, Ke; Han, Yang; Zhang, Limin (2020). "Revisión sobre la aplicación de algoritmos de aprendizaje automático en la minería de datos de secuencias de ADN". Frontiers in Bioengineering and Biotechnology . 8 : 1032. doi : 10.3389/fbioe.2020.01032 . PMC 7498545 . PMID  33015010. 
  43. ^ Shendure, Jay; Aiden, Erez Lieberman (2012). "El alcance en expansión de la secuenciación de ADN". Nature Biotechnology . 30 (11): 1084–1094. doi :10.1038/nbt.2421. PMC 4149750 . PMID  23138308. 
  44. ^ Panda, Darshan; Molla, Kutubuddin Ali; Baig, Mirza Jainul; Swain, Alaka; Behera, Deeptirekha; Dash, Manaswini (2018). "El ADN como dispositivo de almacenamiento de información digital: ¿esperanza o exageración?". 3 Biotecnología . 8 (5): 239. doi :10.1007/s13205-018-1246-7. PMC 5935598 . PMID  29744271. 
  45. ^ Ratnasingham, S. (2013). "Un registro basado en ADN para todas las especies animales: el sistema Barcode Index Number (BIN)". PLOS ONE . ​​8 (7): e66213. Bibcode :2013PLoSO...866213R. doi : 10.1371/journal.pone.0066213 . PMC 3704603 . PMID  23861743. 
  46. ^ Nelson, Karen E. (3 de enero de 2015). Enciclopedia de metagenómica: genes, genomas y metagenomas. Fundamentos, métodos, bases de datos y herramientas. Springer. ISBN 9781489974778.
  47. ^ Abarenkov, Kessy; Henrik Nilsson, R.; Larsson, Karl-Henrik; Alejandro, Ian J.; Eberhardt, Úrsula; Erland, Susana; Hoiland, Klaus; Kjoller, Rasmus; Larsson, Ellen; Pennanen, Taina; Sen, Robin; Taylor, Andy FS; Tedersoo, Leho; Ursing, Björn M.; Vralstad, Trude; Liimatainen, Kare; Peintner, Úrsula; Kõljalg, Urmas (2010). "La base de datos UNITE para la identificación molecular de hongos: actualizaciones recientes y perspectivas futuras". Nuevo fitólogo . 186 (2): 281–285. doi : 10.1111/j.1469-8137.2009.03160.x . Número de modelo:  PMID20409185.
  48. ^ Caporaso, J Gregory; Kuczynski, Justin; Stombaugh, Jesse; Bittinger, Kyle; Bushman, Frederic D.; Costello, Elizabeth K.; Fierer, Noah; Peña, Antonio Gonzalez; Goodrich, Julia K.; Gordon, Jeffrey I.; Huttley, Gavin A.; Kelley, Scott T.; Knights, Dan; Koenig, Jeremy E.; Ley, Ruth E.; Lozupone, Catherine A.; McDonald, Daniel; Muegge, Brian D.; Pirrung, Meg; Reeder, Jens; Sevinsky, Joel R.; Turnbaugh, Peter J.; Walters, William A.; Widmann, Jeremy; Yatsunenko, Tanya; Zaneveld, Jesse; Knight, Rob (2010). "QIIME permite el análisis de datos de secuenciación comunitaria de alto rendimiento". Nature Methods . 7 (5): 335–336. doi :10.1038/nmeth.f.303. PMC 3156573. PMID 20383131  . 
  49. ^ Asnicar, Francesco; Weingart, George; Tickle, Timothy L.; Huttenhower, Curtis; Segata, Nicola (2015). "Representación gráfica compacta de datos filogenéticos y metadatos con GraPhl An". PeerJ . 3 : e1029. doi : 10.7717/peerj.1029 . PMC 4476132 . PMID  26157614. 
  50. ^ Matsen Iv, Frederick A.; Evans, Steven N. (2013). "Componentes principales de borde y agrupamiento por agrupamiento: uso de la estructura especial de los datos de ubicación filogenética para la comparación de muestras". PLOS ONE . ​​8 (3): e56859. Bibcode :2013PLoSO...856859M. doi : 10.1371/journal.pone.0056859 . PMC 3594297 . PMID  23505415. 
  51. ^ Darling, Aaron E.; Jospin, Guillaume; Lowe, Eric; Matsen, Frederick A.; Bik, Holly M.; Eisen, Jonathan A. (2014). "Phylo Sift: análisis filogenético de genomas y metagenomas". PeerJ . 2 : e243. doi : 10.7717/peerj.243 . PMC 3897386 . PMID  24482762. 
  52. ^ Stoeckle, MY y Hebert, PD (2008). El código de barras de la vida. Investigación y ciencia, (387), 42-47.
  53. ^ Newmaster SG et al. (2007). Prueba de regiones de código de barras de plantas candidatas en Myristicaceae. Notas de ecología molecular. 1-11.
  54. ^ Jaén-Molina, R., Caujapé-Castells, J., Fernández-Palacios, O., de Paz, JP, Febles, R., Bramwell, D., ... & Khalik, KA Filogenia molecular de las Matthioleae Macaronésicas Según la información de la región ITS.
  55. ^ abcdePornon, André; Ándalo, Christophe; Burrus, Monique; Escaravage, Nathalie (2017). "Los datos de metabarcodificación de ADN revelan redes de polinización invisibles". Informes científicos . 7 (1): 16828. Código bibliográfico : 2017NatSR...716828P. doi :10.1038/s41598-017-16785-5. PMC 5715002 . PMID  29203872.  El material fue copiado de esta fuente, que está disponible bajo una Licencia Creative Commons Atribución 4.0 Internacional
  56. ^ Biesmeijer, JC; Roberts, SP; Reemer, M.; Ohlemüller, R.; Edwards, M.; Peeters, T.; Schaffers, AP; Potts, SG; Kleukers, R.; Thomas, CD; Settele, J.; Kunin, WE (2006). "Disminuciones paralelas en polinizadores y plantas polinizadas por insectos en Gran Bretaña y los Países Bajos". Science . 313 (5785): 351–354. Bibcode :2006Sci...313..351B. doi :10.1126/science.1127863. PMID  16857940. S2CID  16273738.
  57. ^ ab Hegland, Stein Joar; Dunne, Jennifer; Nielsen, Anders; Memmott, Jane (2010). "Cómo monitorear comunidades ecológicas de manera rentable: el ejemplo de redes de plantas y polinizadores". Conservación biológica . 143 (9): 2092–2101. doi :10.1016/j.biocon.2010.05.018.
  58. ^ ab Jordano, Pedro (2016). "En busca de interacciones ecológicas". PLOS Biology . 14 (9): e1002559. doi : 10.1371/journal.pbio.1002559 . PMC 5025190 . PMID  27631692. 
  59. ^ ab Vázquez, Diego P.; Chacoff, Natacha P.; Cagnolo, Luciano (2009). "Evaluación de múltiples determinantes de la estructura de redes mutualistas planta-animal". Ecología . 90 (8): 2039–2046. doi :10.1890/08-1837.1. hdl : 11336/20750 . PMID  19739366.
  60. ^ ab Bartomeus, Ignasi (2013). "Comprensión de las reglas de ligamiento en redes de plantas y polinizadores mediante el uso de modelos jerárquicos que incorporan la detectabilidad de los polinizadores y los rasgos de las plantas". PLOS ONE . ​​8 (7): e69200. Bibcode :2013PLoSO...869200B. doi : 10.1371/journal.pone.0069200 . PMC 3698228 . PMID  23840909. 
  61. ^ ab Blüthgen, Nico; Menzel, Florian; Hovestadt, Thomas; Fiala, Brigitte; Blüthgen, Nils (2007). "Especialización, restricciones e intereses conflictivos en redes mutualistas". Current Biology . 17 (4): 341–346. doi : 10.1016/j.cub.2006.12.039 . PMID  17275300. S2CID  17241040.
  62. ^ Bascompte, J.; Jordano, P.; Melian, CJ; Olesen, JM (2003). "El ensamblaje anidado de redes mutualistas entre plantas y animales". Actas de la Academia Nacional de Ciencias . 100 (16): 9383–9387. Bibcode :2003PNAS..100.9383B. doi : 10.1073/pnas.1633576100 . PMC 170927 . PMID  12881488. 
  63. ^ Jordano, Pedro; Bascompte, Jordi; Olesen, Jens M. (2002). "Propiedades invariantes en redes coevolutivas de interacciones planta-animal". Ecology Letters . 6 : 69–81. doi :10.1046/j.1461-0248.2003.00403.x. hdl : 10261/41710 .
  64. ^ Olesen, JM; Bascompte, J.; Dupont, YL; Jordano, P. (2007). "La modularidad de las redes de polinización". Actas de la Academia Nacional de Ciencias . 104 (50): 19891–19896. Bibcode :2007PNAS..10419891O. doi : 10.1073/pnas.0706375104 . PMC 2148393 . PMID  18056808. 
  65. ^ Ollerton, Jeff (1996). "Reconciliación de procesos ecológicos con patrones filogenéticos: la aparente paradoja de los sistemas planta-polinizador". Journal of Ecology . 84 (5): 767–769. doi :10.2307/2261338. JSTOR  2261338.
  66. ^ Johnson, Steven D.; Steiner, Kim E. (2000). "Generalización versus especialización en sistemas de polinización de plantas". Tendencias en ecología y evolución . 15 (4): 140–143. doi :10.1016/S0169-5347(99)01811-X. PMID  10717682.
  67. ^ Waser, Nikolas M.; Chittka, Lars; Price, Mary V.; Williams, Neal M.; Ollerton, Jeff (1996). "Generalización en sistemas de polinización y por qué es importante". Ecología . 77 (4): 1043–1060. doi :10.2307/2265575. JSTOR  2265575.
  68. ^ Fenster, Charles B.; Armbruster, W. Scott; Wilson, Paul; Dudash, Michele R.; Thomson, James D. (2004). "Síndromes de polinización y especialización floral". Revista anual de ecología, evolución y sistemática . 35 : 375–403. doi :10.1146/annurev.ecolsys.34.011802.132347.
  69. ^ Bosch, Jordi; Martín González, Ana M.; Rodrigo, Anselm; Navarro, David (2009). "Redes planta-polinizador: añadiendo la perspectiva del polinizador". Ecology Letters . 12 (5): 409–419. doi :10.1111/j.1461-0248.2009.01296.x. PMID  19379135.
  70. ^ Widmer, A.; Cozzolino, S.; Pellegrino, G.; Soliva, M.; Dafni, A. (2000). "Análisis molecular de polinarios de orquídeas y restos de polinarios encontrados en insectos". Ecología molecular . 9 (11): 1911–1914. doi :10.1046/j.1365-294x.2000.01103.x. PMID  11091327. S2CID  13242534.
  71. ^ Petanidou, T. y Potts, SG (2006). "Uso mutuo de recursos en comunidades de plantas y polinizadores del Mediterráneo: ¿cuán especializadas son las redes de polinización?" En: Waser NM, Ollerton J. (eds) Interacciones entre plantas y polinizadores, de la especialización a la generalización , University of Chicago Press, páginas 221–244.
  72. ^ Gómez, José M.; Bosch, Jordi; Perfectti, Francisco; Fernández, Juande; Abdelaziz, Mohamed (2007). "La diversidad de polinizadores afecta la reproducción y el reclutamiento de plantas: las ventajas y desventajas de la generalización". Oecologia . 153 (3): 597–605. Bibcode :2007Oecol.153..597G. doi :10.1007/s00442-007-0758-3. PMID  17576602. S2CID  4219676.
  73. ^ Vázquez, Diego P.; Aizen, Marcelo A. (2003). "Análisis de modelos nulos de especialización en interacciones planta-polinizador". Ecología . 84 (9): 2493–2501. doi :10.1890/02-0587. S2CID  54219364.
  74. ^ ab Dupont, Yoko L.; Trøjelsgaard, Kristian; Hagen, Melanie; Henriksen, María V.; Olesen, Jens M.; Pedersen, Nanna ME; Kissling, W. Daniel (2014). "Estructura espacial de una red de plantas-polinizadores de base individual" (PDF) . Oikos . 123 (11): 1301-1310. doi :10.1111/oik.01426. S2CID  31139363.
  75. ^ ab King, Caroline; Ballantyne, Gavin; Willmer, Pat G. (2013). "Por qué la visita de flores es un mal indicador de la polinización: medición de la deposición de polen en una sola visita, con implicaciones para las redes de polinización y la conservación". Métodos en ecología y evolución . 4 (9): 811–818. doi : 10.1111/2041-210X.12074 . hdl : 10023/5299 .
  76. ^ ab Lopezaraiza–Mikel, Martha E.; Hayes, Richard B.; Whalley, Martin R.; Memmott, Jane (2007). "El impacto de una planta exótica en una red de polinizadores-plantas nativas: un enfoque experimental". Ecology Letters . 10 (7): 539–550. doi :10.1111/j.1461-0248.2007.01055.x. PMID  17542933.
  77. ^ abcdef Sow, Ahmadou; Haran, Julien; Benoit, Laure; Galan, Maxime; Brévault, Thierry (2020). "Codificación de barras de ADN como herramienta para desentrañar las redes alimentarias en los agroecosistemas". Insectos . 11 (5): 294. doi : 10.3390/insects11050294 . PMC 7290477 . PMID  32403224.  El material fue copiado de esta fuente, que está disponible bajo una Licencia Creative Commons Atribución 4.0 Internacional
  78. ^ Galan, Maxime; Pons, Jean-Baptiste; Tournayre, Orianne; Pierre, Éric; Leuchtmann, Maxime; Pontier, Dominique; Charbonnel, Nathalie (2018). "Codificación de barras metabólica para la identificación paralela de varios cientos de depredadores y sus presas: aplicación al análisis de la dieta de especies de murciélagos". Recursos de ecología molecular . 18 (3): 474–489. doi : 10.1111/1755-0998.12749 . PMID  29288544. S2CID  1004450.
  79. ^ ab Paula, Débora P.; Linard, Benjamin; Crampton-Platt, Alex; Srivathsan, Amrita; Timmermans, Martijn JTN; Sujii, Edison R.; Pires, Carmen SS; Souza, Lucas M.; Andow, David A.; Vogler, Alfried P. (2016). "Descubrimiento de interacciones tróficas en artrópodos depredadores mediante secuenciación de ADN de contenido intestinal". PLOS ONE . ​​11 (9): e0161841. Bibcode :2016PLoSO..1161841P. doi : 10.1371/journal.pone.0161841 . PMC 5021305 . PMID  27622637. 
  80. ^ Pringle, Robert M.; Hutchinson, Matthew C. (2 de noviembre de 2020). "Resolución de la estructura de la red alimentaria". Revista anual de ecología, evolución y sistemática . 51 (1): 55–80. doi : 10.1146/annurev-ecolsys-110218-024908 . ISSN  1543-592X. S2CID  225457667.
  81. ^ Firlej, Annabelle; Doyon, Josée; Harwood, James D.; Brodeur, Jacques (2013). "Un estudio de enfoque múltiple para delinear las interacciones entre los escarabajos carábidos y los pulgones de la soja". Entomología ambiental . 42 (1): 89–96. doi : 10.1603/EN11303 . PMID  23339789. S2CID  7903342.
  82. ^ Kartzinel, Tyler R.; Chen, Patricia A.; Coverdale, Tyler C.; Erickson, David L.; Kress, W. John; Kuzmina, Maria L.; Rubenstein, Daniel I.; Wang, Wei; Pringle, Robert M. (2015). "La codificación de barras de ADN ilumina la partición del nicho dietético por parte de los grandes herbívoros africanos". Actas de la Academia Nacional de Ciencias . 112 (26): 8019–8024. Bibcode :2015PNAS..112.8019K. doi : 10.1073/pnas.1503283112 . PMC 4491742 . PMID  26034267. 
  83. ^ Lopes, CM; De Barba, M.; Boyer, F.; Mercier, C.; Da Silva Filho, PJ S.; Heidtmann, LM; Galiano, D.; Kubiak, BB; Langone, P.; Garcias, FM; Gielly, L.; Coissac, E.; De Freitas, TR O.; Taberlet, P. (2015). "Análisis de dieta con metabarcoding de ADN para especies con distribución parapátrica vs. simpátrica: un estudio de caso sobre roedores subterráneos". Heredity . 114 (5): 525–536. doi : 10.1038/hdy.2014.109 . PMC 4815513 . PMID  25649502. S2CID  5077455. 
  84. ^ Mollot, Gregorio; Duyck, Pierre-François; Lefeuvre, Pierre; Lescourret, Françoise; Martín, Jean-François; Piry, Sylvain; Canard, Elsa; Tixier, Philippe (2014). "El cultivo de cobertura altera la dieta de los artrópodos en una plantación de banano: un enfoque de metabarcodificación". MÁS UNO . 9 (4): e93740. Código Bib : 2014PLoSO...993740M. doi : 10.1371/journal.pone.0093740 . PMC 3973587 . PMID  24695585. 
  85. ^ Greenstone, Matthew H.; Payton, Mark E.; Weber, Donald C.; Simmons, Alvin M. (2014). "La vida media de detectabilidad en la investigación de artrópodos depredador-presa: qué es, por qué la necesitamos, cómo medirla y cómo usarla". Ecología molecular . 23 (15): 3799–3813. doi :10.1111/mec.12552. PMID  24303920. S2CID  41032815.
  86. ^ Symondson, William OC; Harwood, James D. (2014). "Número especial sobre detección molecular de interacciones tróficas: desentrañando el banco enredado" (PDF) . Ecología molecular . 23 (15): 3601–3604. doi :10.1111/mec.12831. PMID  25051891. S2CID  26082315.
  87. ^ Valentini, Alice; Pompanon, François; Taberlet, Pierre (2009). "Códigos de barras de ADN para ecologistas". Tendencias en ecología y evolución . 24 (2): 110–117. doi :10.1016/j.tree.2008.09.011. PMID  19100655.
  88. ^ Begg, Graham S.; Cook, Samantha M.; Dye, Richard; Ferrante, Marco; Franck, Pierre; Lavigne, Claire; Lövei, Gábor L.; Mansion-Vaquie, Agathe; Pell, Judith K.; Petit, Sandrine; Quesada, Nora; Ricci, Benoit; Wratten, Stephen D.; Birch, A. Nicholas E. (2017). "Una visión general funcional del control biológico de conservación". Protección de cultivos . 97 : 145–158. doi :10.1016/j.cropro.2016.11.008.
  89. ^ Gurr, GM; Van Emden, HF; Wratten, SD (1998). "Manipulación del hábitat y eficiencia de los enemigos naturales". Control biológico de la conservación . pp. 155–183. doi :10.1016/B978-012078147-8/50055-4. ISBN 9780120781478.
  90. ^ Wyckhuys, Kris AG; Lu, Yanhui; Morales, Helda; Vazquez, Luis L.; Legaspi, Jesusa C.; Eliopoulos, Panagiotis A.; Hernandez, Luis M. (2013). "Estado actual y potencial del control biológico de conservación para la agricultura en el mundo en desarrollo". Control biológico . 65 : 152–167. doi :10.1016/j.biocontrol.2012.11.010.
  91. ^ ab Symondson, WOC; Sunderland, KD; Greenstone, MH (2002). "¿Pueden los depredadores generalistas ser agentes de biocontrol efectivos?". Revisión anual de entomología . 47 : 561–594. doi :10.1146/annurev.ento.47.091201.145240. PMID  11729085.
  92. ^ Harwood, JD y Obrycki, JJ (2005). "El papel de las presas alternativas en el mantenimiento de las poblaciones de depredadores". En: MS Hoddle (Ed.), Actas del segundo simposio internacional sobre el control biológico de los artrópodos , volumen 2, páginas 453–462.
  93. ^ Harwood, James D.; Desneux, Nicolas; Yoo, HO Jung S.; Rowley, Daniel L.; Greenstone, Matthew H.; Obrycki, John J.; o′Neil, Robert J. (2007). "Seguimiento del papel de las presas alternativas en la depredación del pulgón de la soja por Orius insidiosus: un enfoque molecular". Ecología molecular . 16 (20): 4390–4400. doi :10.1111/j.1365-294X.2007.03482.x. PMID  17784913. S2CID  21211301.
  94. ^ abc Furlong, Michael J. (2015). "Conocer a tus enemigos: integración de métodos moleculares y ecológicos para evaluar el impacto de los artrópodos depredadores en las plagas de los cultivos". Insect Science . 22 (1): 6–19. doi :10.1111/1744-7917.12157. PMID  25081301. S2CID  27851198.
  95. ^ Jonsson, Mattias; Wratten, Steve D.; Landis, Doug A.; Gurr, Geoff M. (2008). "Avances recientes en el control biológico de conservación de artrópodos por artrópodos". Control biológico . 45 (2): 172–175. doi :10.1016/j.biocontrol.2008.01.006.
  96. ^ Pompanon, Francois; Deagle, Bruce E.; Symondson, William OC; Brown, David S.; Jarman, Simon N.; Taberlet, Pierre (2012). "Quién come qué: evaluación de la dieta mediante secuenciación de próxima generación". Ecología molecular . 21 (8): 1931–1950. doi : 10.1111/j.1365-294X.2011.05403.x . PMID  22171763. S2CID  10013333.
  97. ^ Waldner, Thomas; Traugott, Michael (2012). "Análisis basado en ADN de regurgitados: un enfoque no invasivo para examinar la dieta de los consumidores de invertebrados". Recursos de ecología molecular . 12 (4): 669–675. doi :10.1111/j.1755-0998.2012.03135.x. PMID  22443278. S2CID  21254959.
  98. ^ Bohmann, Kristine; Monadjem, Ara; Lehmkuhl Noer, Christina; Rasmussen, Morten; Zeale, Matt RK; Clare, Elizabeth; Jones, Gareth; Willerslev, Eske; Gilbert, M. Thomas P. (2011). "Análisis de la dieta molecular de dos murciélagos africanos de cola libre (Molossidae) mediante secuenciación de alto rendimiento". PLOS ONE . ​​6 (6): e21441. Bibcode :2011PLoSO...621441B. doi : 10.1371/journal.pone.0021441 . PMC 3120876 . PMID  21731749. 
  99. ^ abcde Pochon, Xavier; Zaiko, Anastasija; Fletcher, Lauren M.; Laroche, Olivier; Wood, Susanna A. (2017). "¿Se busca vivo o muerto? Uso de metacodificación de barras de ADN y ARN ambientales para distinguir conjuntos vivos para aplicaciones de bioseguridad". PLOS ONE . ​​12 (11): e0187636. Bibcode :2017PLoSO..1287636P. doi : 10.1371/journal.pone.0187636 . PMC 5667844 . PMID  29095959.  El material fue copiado de esta fuente, que está disponible bajo una Licencia Creative Commons Atribución 4.0 Internacional
  100. ^ ab Molnar, Jennifer L.; Gamboa, Rebecca L.; Revenga, Carmen; Spalding, Mark D. (2008). "Evaluación de la amenaza global de las especies invasoras a la biodiversidad marina". Fronteras en ecología y medio ambiente . 6 (9): 485–492. doi :10.1890/070064.
  101. ^ Olenin, Sergej; Minchin, Dan; Daunys, Darius (2007). "Evaluación de la biocontaminación en los ecosistemas acuáticos". Boletín de Contaminación Marina . 55 (7–9): 379–394. Bibcode :2007MarPB..55..379O. doi :10.1016/j.marpolbul.2007.01.010. PMID  17335857.
  102. ^ Katsanevakis, Stelios; Wallentinus, Inger; Zenetos, Argyro; Leppäkoski, Erkki; Çinar, Melih Ertan; Oztürk, Bayram; Grabowski, Michal; Golani, Daniel; Cardoso, Ana Cristina (2014). "Impactos de las especies marinas exóticas invasoras en los servicios ecosistémicos y la biodiversidad: una revisión paneuropea". Invasiones acuáticas . 9 (4): 391–423. doi : 10.3391/ai.2014.9.4.01 .
  103. ^ Pimentel, David; Zuniga, Rodolfo; Morrison, Doug (2005). "Actualización sobre los costos ambientales y económicos asociados con las especies exóticas invasoras en los Estados Unidos". Ecological Economics . 52 (3): 273–288. doi :10.1016/j.ecolecon.2004.10.002.
  104. ^ ab Harvey, Chad T.; Qureshi, Samir A.; MacIsaac, Hugh J. (2009). "Detección de una especie acuática colonizadora no autóctona". Diversidad y distribuciones . 15 (3): 429–437. doi : 10.1111/j.1472-4642.2008.00550.x . S2CID  53602450.
  105. ^ Leppäkoski, Erkki; Gollasch, Stephan; Olenin, Sergej (29 de junio de 2013). Especies acuáticas invasoras de Europa. Distribución, Impactos y Gestión. Saltador. ISBN 9789401599566.
  106. ^ Hulme, Philip E. (2009). "Comercio, transporte y problemas: gestión de las vías de entrada de especies invasoras en una era de globalización". Journal of Applied Ecology . 46 : 10–18. doi : 10.1111/j.1365-2664.2008.01600.x .
  107. ^ Inglis G, Floerl O, Ahyong S, Cox S, Unwin M, Ponder-Sutton A, et al. (2010) "Los riesgos de bioseguridad asociados con la bioincrustación en los buques internacionales que llegan a Nueva Zelanda: resumen de los patrones y predictores de la incrustación". Biosecurity New Zealand , Informe técnico n.º: 2008.
  108. ^ Ruiz, Gregory M.; Rawlings, Tonya K.; Dobbs, Fred C.; Drake, Lisa A.; Mullady, Timothy; Huq, Anwarul; Colwell, Rita R. (2000). "Propagación global de microorganismos por barcos". Nature . 408 (6808): 49–50. Bibcode :2000Natur.408...49R. doi :10.1038/35040695. PMID  11081499. S2CID  205010602.
  109. ^ Gollasch, S. (2002). "La importancia de la incrustación en los cascos de los barcos como vector de introducción de especies en el Mar del Norte". Bioincrustación . 18 (2): 105–121. doi :10.1080/08927010290011361. S2CID  85620063.
  110. ^ Mineur, Frédéric; Johnson, Mark P.; Maggs, Christine A. (2008). "Introducción de macroalgas por ensuciamiento del casco de embarcaciones recreativas: algas marinas y marineros". Gestión ambiental . 42 (4): 667–676. Bibcode :2008EnMan..42..667M. doi :10.1007/s00267-008-9185-4. PMID  18704562. S2CID  25680517.
  111. ^ Johnson, Ladd E.; Ricciardi, Anthony; Carlton, James T. (2001). "Dispersión terrestre de especies acuáticas invasoras: una evaluación de riesgos de la navegación recreativa transitoria". Aplicaciones ecológicas . 11 (6): 1789. doi :10.1890/1051-0761(2001)011[1789:ODOAIS]2.0.CO;2. ISSN  1051-0761.
  112. ^ Darbyson, Emily (2009). "Hábitos de navegación marina y potencial de propagación de especies invasoras en el Golfo de San Lorenzo". Invasiones acuáticas . 4 : 87–94. doi : 10.3391/ai.2009.4.1.9 .
  113. ^ Acosta, Hernando; Forrest, Barrie M. (2009). "La propagación de especies marinas no autóctonas a través de la navegación recreativa: un modelo conceptual para la evaluación de riesgos basado en el análisis de árboles de fallas". Ecological Modelling . 220 (13–14): 1586–1598. doi :10.1016/j.ecolmodel.2009.03.026.
  114. ^ McMahon, Robert (2011). "Estructura de la población del mejillón quagga (Dreissena rostriformis bugensis) durante la invasión temprana de los lagos Mead y Mohave, enero-marzo de 2007". Invasiones acuáticas . 6 (2): 131–140. doi : 10.3391/ai.2011.6.2.02 .
  115. ^ ab Fletcher, Lauren M.; Zaiko, Anastasija; Atalah, Javier; Richter, Ingrid; Dufour, Celine M.; Pochon, Xavier; Wood, Susana A.; Hopkins, Grant A. (2017). "El agua de sentina como vector de propagación de plagas marinas: una evaluación morfológica, metabólica y experimental". Invasiones biológicas . 19 (10): 2851–2867. doi :10.1007/s10530-017-1489-y. S2CID  25513146.
  116. ^ ab Sinner, Jim, Barrie Forrest, Mark Newton, Graeme Inglis, Chris Woods, Don Morrisey, Aurélie Castinel y Rowan Strickland (2013) "Gestión de la propagación doméstica de organismos marinos nocivos" Parte B: Marco legal y análisis de opciones. Cawthron Institute .
  117. ^ Inglis G, Morrissey D, Woods C, Sinner J, Newton M. (2013) "Gestión de la propagación interna de organismos marinos nocivos", Parte A: Herramientas operativas para la gestión. Ministerio de Industria Primaria de Nueva Zelanda , Informe n.º 2013/xx.
  118. ^ Comtet, Thierry; Sandionigi, Anna; Viard, Federico; Casiraghi, Maurizio (2015). "Código de barras de ADN (meta) de invasiones biológicas: una herramienta poderosa para dilucidar los procesos de invasión y ayudar a gestionar los extraterrestres". Invasiones biológicas . 17 (3): 905–922. doi :10.1007/s10530-015-0854-y. S2CID  12799342.
  119. ^ Zaiko, Anastasija; Schimanski, Kate; Pochon, Xavier; Hopkins, Grant A.; Goldstien, Sharyn; Floerl, Oliver; Wood, Susanna A. (2016). "La codificación de barras metabólica mejora la detección de eucariotas de comunidades de bioincrustaciones tempranas: implicaciones para el monitoreo de plagas y la gestión de vías". Bioincrustaciones . 32 (6): 671–684. doi :10.1080/08927014.2016.1186165. PMID  27212415. S2CID  46842367.
  120. ^ Brown, Emily A.; Chain, Frédéric JJ; Zhan, Aibin; MacIsaac, Hugh J.; Cristescu, Melania E. (2016). "La detección temprana de invasores acuáticos mediante metacodificación de barras revela una gran cantidad de especies no autóctonas en los puertos canadienses". Diversidad y distribuciones . 22 (10): 1045–1059. doi : 10.1111/ddi.12465 .
  121. ^ Zaiko, Anastasija; Martinez, Jose L.; Schmidt-Petersen, Julia; Ribicic, Deni; Samuiloviene, Aurelija; Garcia-Vazquez, Eva (2015). "Enfoque de metacodificación de barras para la vigilancia del agua de lastre: ¿una solución ventajosa o un desafío complicado?". Marine Pollution Bulletin . 92 (1–2): 25–34. Bibcode :2015MarPB..92...25Z. doi :10.1016/j.marpolbul.2015.01.008. PMID  25627196.
  122. ^ Shokralla, Shadi; Spall, Jennifer L.; Gibson, Joel F.; Hajibabaei, Mehrdad (2012). "Tecnologías de secuenciación de próxima generación para la investigación del ADN ambiental". Ecología molecular . 21 (8): 1794–1805. doi : 10.1111/j.1365-294X.2012.05538.x . PMID  22486820. S2CID  5944083.
  123. ^ Ji, Yinqiu; Ashton, Louise; Pedley, Scott M.; Edwards, David P.; Tang, Yong; Nakamura, Akihiro; Kitching, Roger; Dolman, Paul M.; Woodcock, Paul; Edwards, Felicity A.; Larsen, Trond H.; Hsu, Wayne W.; Benedick, Suzan; Hamer, Keith C.; Wilcove, David S.; Bruce, Catharine; Wang, Xiaoyang; Levi, Taal; Lott, Martin; Emerson, Brent C.; Yu, Douglas W. (2013). "Monitoreo confiable, verificable y eficiente de la biodiversidad a través de metabarcoding". Ecology Letters . 16 (10): 1245–1257. doi : 10.1111/ele.12162 . hdl : 10072/56911 . PMID  23910579.
  124. ^ Darling, John A.; Frederick, Raymond M. (2018). "Herramientas basadas en ácidos nucleicos para la vigilancia, el seguimiento y la investigación del agua de lastre". Journal of Sea Research . 133 : 43–52. Bibcode :2018JSR...133...43D. doi :10.1016/j.seares.2017.02.005. PMC 6104837 . PMID  30147432. 
  125. ^ Corinaldesi, C.; Beolchini, F.; Dell'Anno, A. (2008). "Tasas de daño y degradación del ADN extracelular en sedimentos marinos: implicaciones para la preservación de secuencias genéticas". Ecología molecular . 17 (17): 3939–3951. doi :10.1111/j.1365-294X.2008.03880.x. PMID  18643876. S2CID  22062643.
  126. ^ Dell'Anno, A.; Danovaro, R. (2005). "El ADN extracelular desempeña un papel clave en el funcionamiento de los ecosistemas de aguas profundas". Science . 309 (5744): 2179. doi :10.1126/science.1117475. PMID  16195451. S2CID  39216262.
  127. ^ Mengoni, Alessio; Tatti, Enrico; Decorosi, Francesca; Viti, Carlo; Bazzicalupo, Marco; Giovannetti, Luciana (2005). "Comparación de los enfoques T-RFLP de 16S rRNA y 16S rDNA para estudiar las comunidades bacterianas en microcosmos del suelo tratados con cromato como agente perturbador". Ecología microbiana . 50 (3): 375–384. doi :10.1007/s00248-004-0222-4. PMID  16254761. S2CID  23943691.
  128. ^ Pawlowski, Jan; Esling, Philippe; Lejzerowicz, Franck; Cedhagen, Tomas; Wilding, Thomas A. (2014). "Monitoreo ambiental a través de metacodificación de secuenciación de próxima generación de protistas: evaluación del impacto de la piscicultura en las comunidades de foraminíferos bentónicos". Recursos de ecología molecular . 14 (6): 1129–1140. doi :10.1111/1755-0998.12261. PMID  24734911. S2CID  2303206.
  129. ^ Visco, Joana Amorim; Apothéloz-Perret-Gentil, Laure; Cordonier, Arielle; Esling, Philippe; Pillet, Loïc; Pawlowski, Jan (2015). "Monitoreo ambiental: inferir el índice de diatomeas a partir de datos de secuenciación de próxima generación". Environmental Science & Technology . 49 (13): 7597–7605. Bibcode :2015EnST...49.7597V. doi :10.1021/es506158m. PMID  26052741.
  130. ^ Dowle, Eddy; Pochon, Xavier; Keeley, Nigel; Wood, Susanna A. (2015). "Evaluación de los efectos del enriquecimiento del fondo marino mediante la cría de salmón utilizando la diversidad de la comunidad bacteriana y la secuenciación de alto rendimiento". FEMS Microbiology Ecology . 91 (8): fiv089. doi : 10.1093/femsec/fiv089 . PMID  26207046.
  131. ^ Pochon, X.; Wood, SA; Keeley, NB; Lejzerowicz, F.; Esling, P.; Drew, J.; Pawlowski, J. (2015). "Evaluación precisa del impacto de la cría de salmón en el enriquecimiento de sedimentos bentónicos utilizando metacodificación de barras de foraminíferos". Boletín de contaminación marina . 100 (1): 370–382. Bibcode :2015MarPB.100..370P. doi :10.1016/j.marpolbul.2015.08.022. PMID  26337228.
  132. ^ Laroche, Olivier; Wood, Susanna A.; Tremblay, Louis A.; Ellis, Joanne I.; Lejzerowicz, Franck; Pawlowski, Jan; Lear, Gavin; Atalah, Javier; Pochon, Xavier (2016). "Primera evaluación de la codificación de barras metabólica de foraminíferos para monitorear el impacto ambiental de un sitio de perforación petrolera en alta mar". Investigación ambiental marina . 120 : 225–235. Bibcode :2016MarER.120..225L. doi : 10.1016/j.marenvres.2016.08.009 . hdl : 10754/622291 . PMID  27595900.
  133. ^ Cázarez Carrillo, DE Descripción de la larva de ''Eucinostomus jonesii'' (Piscis, Gerreidae) por métodos morfológicos y genéticos.
  134. ^ Kerr, KC, Lijtmaer, DA, Barreira, AS, Hebert, PD y Tubaro, PL (2009). Sondeo de patrones evolutivos en aves neotropicales a través de códigos de barras de ADN. MÁS UNO, 4(2), e4379.
  135. ^ Lijtmaer, DA, Kerr, KC, Barreira, AS, Hebert, PD y Tubaro, PL (2011). Las bibliotecas de códigos de barras de ADN brindan información sobre los patrones continentales de diversificación aviar. MÁS UNO, 6(7), e20744.
  136. ^ Lijtmaer, DA, Kerr, KC, Stoeckle, MY y Tubaro, PL (2012). Códigos de barras de ADN en aves: desde la recolección de campo hasta el análisis de datos. En Códigos de barras de ADN (pp. 127-152). Humana Press.
  137. ↑ García Morales, AE (2013). Código de barras y análisis filogeográfico de rotíferos (Monogononta, Ploima) del sureste mexicano.
  138. ^ de Carvalho, Daniel Cardoso; Cecília Gontijo Leal; Paulo dos Santos Pompeu; José Vanderval Melo Junior y Denise AA de Oliveira (2011). Aplicaciones de la técnica de identificación genética - Código de barras de ADN - nos peixes da bacia do rio São Francisco. Boletim Sociedade Brasileira de Ictiología N°104. Departamento de Morfología, Instituto de Biociências, Botucatu, São Paulo, Brasil.
  139. ^ de Carvalho, Daniel Cardoso; Paulo dos Santos Pompeu; Cecília Gontijo Leal; Denise AA de Oliveira & Hanner, R. (2011). Profunda divergencia de códigos de barras en peces de agua dulce brasileños: el caso de la cuenca del río São Francisco. ADN mitocondrial , 2011.
  140. ^ Hernández, Esmeralda Salgado (2008). El código de barras genéticas ("DNA barcoding") como herramienta en la identificación de especies. Herreriana. Revista de divulgación de la ciencia. vol. 4 (1).
  141. ^ Hebert P. y G. Ryan (2005). La promesa de los códigos de barras de ADN para la taxonomía. Biología sistemática. 54(5):852-859.
  142. ^ Hollingsworth, P. (2007). Códigos de barras de ADN: usuarios potenciales. Genómica, sociedad y política. 3(2):44-47.
  143. ^ Old, Julie M.; Vallin, Blaire L.; Thorley, Rowan K.; Casey, Fiona; Stannard, Hayley J. (2023). "Análisis de metacodificación de ADN de la dieta del wombat de nariz desnuda (Vombatus ursinus)". Ecología y evolución . 14 (5): e11432. doi :10.1002/ece3.11432. PMC 11103767 . PMID  38770127. 
  144. ^ Casey, Fiona; Old, Julie M.; Stannard, Hayley J. (2023). "Evaluación de la dieta del wombat de nariz peluda del norte (Lasiorhinus krefftii), en peligro crítico de extinción, mediante metacodificación de ADN". Ecología y evolución . 13 (9): e10469. doi : 10.1002/ece3.10469 . PMC 10485309 . PMID  37693933. 
  145. ^ "¿Qué es el código de barras del ADN?". Código de barras de la vida. Archivado desde el original el 1 de julio de 2017. Consultado el 11 de octubre de 2017 .
  146. ^ Evans, Darren M.; Kitson, James JN; Lunt, David H.; Straw, Nigel A.; Pocock, Michael JO (2016). "Fusionando la codificación de barras de ADN y el análisis de redes ecológicas para comprender y construir ecosistemas terrestres resilientes" (PDF) . Ecología funcional . 30 (12): 1904–1916. doi :10.1111/1365-2435.12659. ISSN  1365-2435.
  147. ^ DNAqua-Net Cooperación Europea en Ciencia y Tecnología. Consultado: 9 de octubre de 2022.
  148. ^ Pawlowski, Jan; Kelly-Quinn, Mary; Altermatt, Florian; Apothéloz-Perret-Gentil, Laure; Beja, Pedro; Boggero, Angela; Borja, Angel; Bouchez, Agnès; Cordier, Tristan (2018). "El futuro de los índices bióticos en la era ecogenómica: integración de la metacodificación de ADN electrónico en la evaluación biológica de los ecosistemas acuáticos". Science of the Total Environment . 637–638: 1295–1310. Bibcode :2018ScTEn.637.1295P. doi : 10.1016/j.scitotenv.2018.05.002 . hdl : 20.500.12327/138 . PMID  29801222.
  149. ^ Ratnasingham, Sujeevan; Hebert, Paul DN (2007). "BOLD: El sistema de datos del código de barras de la vida (http://www.barcodinglife.org)". Notas de ecología molecular . 7 (3): 355–364. doi :10.1111/j.1471-8286.2007.01678.x. PMC 1890991 . PMID  18784790. 
  150. ^ Stoeckle, Mark (noviembre-diciembre de 2013). «DNA Barcoding Ready for Breakout». GeneWatch . 26 (5). Archivado desde el original el 3 de abril de 2014 . Consultado el 14 de febrero de 2021 .
  151. ^ DeSalle, R.; Egan, MG; Siddall, M. (2005). "La trinidad impía: taxonomía, delimitación de especies y códigos de barras de ADN". Philosophical Transactions of the Royal Society B: Biological Sciences . 360 (1462): 1905–1916. doi :10.1098/rstb.2005.1722. PMC 1609226 . PMID  16214748. 
  152. ^ Whitworth, TL; Dawson, RD; Magalon, H.; Baudry, E. (2007). "El código de barras de ADN no puede identificar de manera confiable las especies del género Protocalliphora (Diptera: Calliphoridae) de moscas azules". Actas de la Royal Society B: Ciencias Biológicas . 274 (1619): 1731–1739. doi :10.1098/rspb.2007.0062. PMC 2493573 . PMID  17472911. 
  153. ^ Stackebrandt, E.; Goebel, BM (1994). "Nota taxonómica: un lugar para la reasociación ADN-ADN y el análisis de la secuencia del ARNr 16S en la definición actual de especies en bacteriología". Int. J. Syst. Bacteriol . 44 (4): 846–849. doi : 10.1099/00207713-44-4-846 .
  154. ^ Stackebrandt, E.; Ebers, J. (2006). "Revisión de los parámetros taxonómicos: estándares de oro empañados" (PDF) . Microbiology Today . 33 (4): 152–155. Archivado (PDF) desde el original el 25 de marzo de 2018.
  155. ^ Newton, Ian (2003). Especiación y biogeografía de las aves. Academic Press. pág. 69. ISBN 978-0-08-092499-1Archivado desde el original el 7 de febrero de 2018.
  156. ^ Andersson, Malta (1999). Hibridación y filogenia de skúas. vol. 266, págs. 1579-1585. doi :10.1098/rspb.1999.0818. ISBN 9780080924991. PMC  1690163 . Archivado desde el original el 7 de febrero de 2018. {{cite book}}: |journal=ignorado ( ayuda )
  157. ^ Keswani, J.; Whitman, WB (2001). "Relación de la similitud de la secuencia del ARNr 16S con la hibridación del ADN en procariotas". Revista internacional de microbiología sistemática y evolutiva . 51 (2): 667–78. doi : 10.1099/00207713-51-2-667 . PMID  11321113.

Referencias adicionales

[1]

  1. ^ Santoferrara, Luciana; Burki, Fabien; Filker, Sabine; Logares, Ramiro; Dunthorn, Micah; McManus, George B. (2020). "Perspectivas de diez años de estudios sobre protistos mediante metacodificación de barras de alto rendimiento". Revista de microbiología eucariota . 67 (5): 612–622. doi :10.1111/jeu.12813. hdl : 10261/223228 . PMID  32498124. S2CID  219331807.