Metabarcoding is an emerging genetic tool to rapidly assess biodiversity in ecosystems. It involves high-throughput sequencing of a standard gene from an environmental sample and comparison to a reference database. However, no consensus has emerged regarding laboratory pipelines to screen species diversity and infer species abundances from environmental samples. In particular, the effect of primer bias and the detection limit for specimens with a low biomass has not been systematically examined, when processing samples in bulk. We developed and tested a DNA metabarcoding protocol that utilises the standard cytochrome c oxidase subunit I (COI) barcoding fragment to detect freshwater macroinvertebrate taxa. DNA was extracted in bulk, amplified in a single PCR step, and purified, and the libraries were directly sequenced in two independent MiSeq runs (300-bp paired-end reads). Specifically, we assessed the influence of specimen biomass on sequence read abundance by sequencing 31 specimens of a stonefly species with known haplotypes spanning three orders of magnitude in biomass (experiment I). Then, we tested the recovery of 52 different freshwater invertebrate taxa of similar biomass using the same standard barcoding primers (experiment II). Each experiment was replicated ten times to maximise statistical power. The results of both experiments were consistent across replicates. We found a distinct positive correlation between species biomass and resulting numbers of MiSeq reads. Furthermore, we reliably recovered 83% of the 52 taxa used to test primer bias. However, sequence abundance varied by four orders of magnitudes between taxa despite the use of similar amounts of biomass. Our metabarcoding approach yielded reliable results for high-throughput assessments. However, the results indicated that primer efficiency is highly species-specific, which would prevent straightforward assessments of species abundance and biomass in a sample. Thus, PCR-based metabarcoding assessments of biodiversity should rely on presence-absence metrics.

Coccolithophores have influenced the global climate for over 200 million years. These marine phytoplankton can account for 20 per cent of total carbon fixation in some systems. They form blooms that can occupy hundreds of thousands of square kilometres and are distinguished by their elegantly sculpted calcium carbonate exoskeletons (coccoliths), rendering them visible from space. Although coccolithophores export carbon in the form of organic matter and calcite to the sea floor, they also release CO2 in the calcification process. Hence, they have a complex influence on the carbon cycle, driving either CO2 production or uptake, sequestration and export to the deep ocean. Here we report the first haptophyte reference genome, from the coccolithophore Emiliania huxleyi strain CCMP1516, and sequences from 13 additional isolates. Our analyses reveal a pan genome (core genes plus genes distributed variably between strains) probably supported by an atypical complement of repetitive sequence in the genome. Comparisons across strains demonstrate that E. huxleyi, which has long been considered a single species, harbours extensive genome variability reflected in different metabolic repertoires. Genome variability within this species complex seems to underpin its capacity both to thrive in habitats ranging from the equator to the subarctic and to form large-scale episodic blooms under a wide variety of environmental conditions.

The genome of the Southern Ocean phytoplankton Fragilariopsis cylindrus differs markedly from the genomes of its more temperate relatives, with divergent alleles being differentially expressed in environmentally specific conditions such as freezing and darkness. Diatoms are the main primary producers in the Southern Ocean, but how they have adapted to an environment with such extremes of light and temperature has remained unknown. Here Thomas Mock et al. report the genome sequence of a cold-adapted diatom from the Southern Ocean, Fragilariopsis cylindrus, and compare this 'psychrophile' with diatoms that evolved in temperate oceans. They find that its genome contains highly diverged alleles that are differentially expressed across environmental conditions. The Southern Ocean houses a diverse and productive community of organisms1,2. Unicellular eukaryotic diatoms are the main primary producers in this environment, where photosynthesis is limited by low concentrations of dissolved iron and large seasonal fluctuations in light, temperature and the extent of sea ice3,4,5,6,7. How diatoms have adapted to this extreme environment is largely unknown. Here we present insights into the genome evolution of a cold-adapted diatom from the Southern Ocean, Fragilariopsis cylindrus8,9, based on a comparison with temperate diatoms. We find that approximately 24.7 per cent of the diploid F. cylindrus genome consists of genetic loci with alleles that are highly divergent (15.1 megabases of the total genome size of 61.1 megabases). These divergent alleles were differentially expressed across environmental conditions, including darkness, low iron, freezing, elevated temperature and increased CO2. Alleles with the largest ratio of non-synonymous to synonymous nucleotide substitutions also show the most pronounced condition-dependent expression, suggesting a correlation between diversifying selection and allelic differentiation. Divergent alleles may be involved in adaptation to environmental fluctuations in the Southern Ocean.

Abstract DNA metabarcoding of freshwater communities typically relies on PCR amplification of a fragment of the mitochondrial cytochrome c oxidase (COI) gene with degenerate primers. The advantage of COI is its taxonomic resolution and the availability of an extensive reference database. However, when universal primers are used on environmental DNA (eDNA) isolated from stream water, macroinvertebrate read and OTU numbers are typically “watered down”, i.e. diluted, compared to whole specimen ‘bulk samples’ due to greater co-amplification of abundant non-target taxa such as algae and bacteria. Because stream macroinvertebrate taxa are of prime importance for regulatory biomonitoring, more effective ways to capture their diversity via eDNA isolated from water are important. In this study, we aimed to improve macroinvertebrate assessment from eDNA by minimizing non-target amplification. Therefore, we generated data using universal primers BF2/BR2 throughout 15 months from a German Long-Term Ecological Research (LTER) site, the River Kinzig, to identify most abundant non-target taxa. Based on these data, we designed a new reverse primer (EPTDr2n) with 3’-specificity towards macrozoobenthic taxa and validated its specificity in silico together with universal forward primer fwhF2 using available data from GenBank and BOLD. We then performed in vitro tests using 20 eDNA samples taken in the Kinzig catchment. We found that the percentage of target reads was much higher for the new primer combination compared to two universal macrozoobenthic primer pairs, BF2/BR2 and fwhF2/fwhR2n (>99 % vs. 21.4 % and 41.25 %, respectively). Likewise, number of detected macroinvertebrate taxa was substantially higher (351 vs. 46 and 170, respectively) and exceeded the number of 257 taxa identified by expert taxonomists at nearby sites across two decades of sampling. While few taxa such as Turbellaria were not detected, we show that the optimized primer avoids the dilution problem and thus significantly improves macroinvertebrate detection for bioassessment and -monitoring.

ABSTRACT Most animal species on Earth are insects, and recent reports suggest that their abundance is in drastic decline. Although these reports come from a wide range of insect taxa and regions, the evidence to assess the extent of the phenomenon is still sparse. Insect populations are challenging to study and most monitoring methods are labour intensive and inefficient. Advances in computer vision and deep learning provide potential new solutions to this global challenge. Cameras and other sensors that can effectively, continuously, and non-invasively perform entomological observations throughout diurnal and seasonal cycles. The physical appearance of specimens can also be captured by automated imaging in the lab. When trained on these data, deep learning models can provide estimates of insect abundance, biomass, and diversity. Further, deep learning models can quantify variation in phenotypic traits, behaviour, and interactions. Here, we connect recent developments in deep learning and computer vision to the urgent demand for more cost-efficient monitoring of insects and other invertebrates. We present examples of sensor-based monitoring of insects. We show how deep learning tools can be applied to the big data outputs to derive ecological information and discuss the challenges that lie ahead for the implementation of such solutions in entomology. We identify four focal areas, which will facilitate this transformation: 1) Validation of image-based taxonomic identification, 2) generation of sufficient training data, 3) development of public, curated reference databases, and 4) solutions to integrate deep learning and molecular tools. Significance statement Insect populations are challenging to study, but computer vision and deep learning provide opportunities for continuous and non-invasive monitoring of biodiversity around the clock and over entire seasons. These tools can also facilitate the processing of samples in a laboratory setting. Automated imaging in particular can provide an effective way of identifying and counting specimens to measure abundance. We present examples of sensors and devices of relevance to entomology and show how deep learning tools can convert the big data streams into ecological information. We discuss the challenges that lie ahead and identify four focal areas to make deep learning and computer vision game changers for entomology.

Abstract Fast, reliable, and comprehensive biodiversity monitoring data are needed for environmental decision making and management. Recent work on fish environmental DNA (eDNA) metabarcoding shows that aquatic diversity can be captured fast, reliably, and non-invasively at moderate costs. Because water in a catchment flows to the lowest point in the landscape, often a stream, it can often collect traces of terrestrial species via surface or subsurface runoff along its way or when specimens come into direct contact with water (e.g., for drinking purposes). Thus, fish eDNA metabarcoding data can provide information on fish but also on other vertebrate species that live in riparian habitats. This additional data may offer a much more comprehensive approach for assessing vertebrate diversity at no additional costs. Studies on how the sampling strategy affects species detection especially of stream-associated communities, however, are scarce. We therefore performed an analysis on the effects of biological replication on both fish as well as (semi-)terrestrial species detection. Along a 2 km stretch of the river Mulde (Germany), we collected 18 1-L water samples and analyzed the relation of detected species richness and quantity of biological replicates taken. We detected 58 vertebrate species, of which 25 were fish and lamprey, 18 mammals, and 15 birds, which account for 50%, 24%, and 7% of all native species to the German federal state of Saxony-Anhalt. However, while increasing the number of biological replicates resulted in only 25% more detected fish and lamprey species, mammal, and bird species richness increased disproportionately by 69% and 84%, respectively. Contrary, PCR replicates showed little stochasticity. We thus emphasize to increase the number of biological replicates when the aim is to improve general species detections. This holds especially true, when the focus is on rare aquatic taxa or on (semi-)terrestrial species, the so-called ‘bycatch’. As a clear advantage, this information can be obtained without any additional sampling or laboratory effort when the sampling strategy is chosen carefully. With the increased use of eDNA metabarcoding as part of national fish bioassessment and monitoring programs, the complimentary information provided on bycatch can be used for biodiversity monitoring and conservation on a much broader scale.

Abstract Operational taxonomic units (OTUs) are usually treated as if they are internally uniform in environmental metabarcoding studies of microbial and macrobial eukaryotes, even when the OTUs are being used to infer biogeographic patterns. The OTUs constructed by the program Swarm have underlying network topologies in which nodes represent amplicons and edges represent 1 nucleotide differences between nodes. Such networks can be exploited to search for biogeographic patterns within each OTU. To do this, here we used an available protistan metabarcoding dataset consisting of the hypervariable V4 region of the 18S rRNA locus amplified from 77 lakes collected across Norway and Sweden. The 82 most abundant and wide-spread OTUs constructed by Swarm were evaluated using shortest path, assortativity, and geographical analyses. We found that while pairs of amplicons from the same lake were usually connected directly to each other within the OTUs, these pairs of amplicons from the same lake did not form assortative clusters within the OTUs, and amplicons were not more connected with other amplicons occurring in neighboring lakes than expected by chance. This new approach to looking at within-OTU is applicable to other metabarcoding datasets and we provide code to perform these analyses.

Abstract Forest canopies are a highly diverse ecosystem, but despite several decades of intense research, there remain substantial gaps in our knowledge of their biodiversity and ecological interactions. One fundamental challenge in canopy research is the limited accessibility of the ecosystem. Consequently, previous studies have relied on the application of either highly invasive methods such as chemical knockdown, or on time-consuming and expensive setups such as canopy walkways or cranes. Therefore, time- and cost-efficient, ideally minimally invasive yet comprehensive applications are required to help close this knowledge gap. High-throughput metabarcoding of environmental DNA (eDNA) collected from water, soil, or air provides a minimally invasive method for biodiversity assessment, yet its potential for canopy biodiversity monitoring has not been explored. Herein, we conducted metabarcoding of eDNA washed off the canopy via rainwater to explore its monitoring potential. We placed four 1 m 2 rain samplers beneath the canopies of four different tree taxa prior to a major rain event, filtered eDNA from the collected rainwater, and performed cytochrome c oxidase subunit I (COI) metabarcoding to profile the invertebrate community. Additionally, we collected and identified all specimens present in the rainwater for verification. We detected 50 invertebrate species by eDNA metabarcoding, of which 43 were not physically present in the water sample, thus likely representing true canopy biodiversity signals. Furthermore, we observed distinct species occurrence patterns corresponding to the four tree taxa, suggesting that ecological patterns such as host specificity can be assessed using the method. In conclusion, our study provides a proof of principle that rainwash eDNA metabarcoding offers a minimally invasive and comprehensive method for tree canopy diversity monitoring.

Abstract The Mediterranean region with its islands is among top biodiversity hotspots. It houses numerous freshwater taxa with a high rate of endemism, but is heavily impacted by anthropogenic pressures and global climate change. To conserve biodiversity, reliable data on species and genetic diversity are needed especially for the scarcely known insular freshwater ecosystems. Environmental DNA metabarcoding provide a straight-forward opportunity to assess aquatic biodiversity. Therefore, we conducted the first eDNA metabarcoding study in one stream catchment on Sicily. Specifically, we aimed to i) investigate spatial diversity patterns of macroinvertebrate communities, ii) assess seasonal changes, and iii) check if dispersal barriers can be identified. Water samples were taken at 27 different sites in two seasons and eDNA metabarcoding performed using the COI gene. In total, we detected 98 macroinvertebrate species, including 28 taxa potentially new to Sicily. Exact sequence variant (ESV) and species composition data showed that diversity differed between seasons with less taxa detected in winter. We also detected a dispersal barrier, which had a stronger effect in autumn. Our findings show that eDNA metabarcoding provides valuable information on Sicilian freshwater biodiversity. We therefore encourage its application for understudied regions to better understand the state and dynamics of freshwater biodiversity.

Abstract DNA metabarcoding is increasingly used in research and application to assess biodiversity. Powerful analysis software exists to process raw data. However, when it comes to the translation of sequence read data into biological information many end users with limited bioinformatic expertise struggle with the downstream analysis and explore data only to a minor extent. Thus, there is a growing need for easy-to-use, graphical user interface (GUI) analysis software to analyse and visualise DNA metabarcoding data. We here present TaxonTableTools (TTT), a new platform independent GUI software that aims to fill this gap by providing simple and reproducible analysis and visualisation workflows. TTT uses a so-called “TaXon table” as input. This format can easily be generated within TTT from two input files: a read table and a taxonomy table that can be obtained by various published metabarcoding pipelines. TTT analysis and visualisation modules include e.g. Venn diagrams to compare taxon overlap among replicates, samples or among different analysis methods. It analyses and visualises basic statistics such as read proportion per taxon as well as more sophisticated visualisation such as interactive Krona charts for taxonomic data exploration. Various ecological analyses such as alpha or beta diversity estimates, and rarefaction analysis ordination plots can be produced directly. Data can be explored also in formats required by traditional taxonomy-based analyses of regulatory bioassessment programs. TTT comes with a manual and tutorial, is free and publicly available through GitHub ( https://github.com/TillMacher/TaxonTableTools ) and the Python package index ( https://pypi.org/project/taxontabletools/ ).