From ec160858db34e66c7cd8b8257c401581e5c19fd9 Mon Sep 17 00:00:00 2001 From: GBIF Crowdin Date: Wed, 20 Sep 2023 08:51:00 +0200 Subject: [PATCH] New translations index.pot (French) --- translations/fr.po | 8 ++++---- 1 file changed, 4 insertions(+), 4 deletions(-) diff --git a/translations/fr.po b/translations/fr.po index 107c8aa..a87346b 100644 --- a/translations/fr.po +++ b/translations/fr.po @@ -2,7 +2,7 @@ msgid "" msgstr "" "Project-Id-Version: publishing-ddd\n" "POT-Creation-Date: 2023-08-15 13:08+0000\n" -"PO-Revision-Date: 2023-09-19 12:01\n" +"PO-Revision-Date: 2023-09-20 06:50\n" "Last-Translator: \n" "Language-Team: French\n" "Language: fr_FR\n" @@ -396,7 +396,7 @@ msgstr "Plusieurs études montrent que, pour les échantillons d'eau, les analys #. type: Plain text #: 100.en.adoc:54 msgid "Some studies show a relationship between the amount of DNA for a given species in an environmental sample and the biomass of the species in the environment. One can therefore potentially also think of environmental DNA allowing a so-called semi-quantitative estimate (indirect target) for organism biomass, both from environmental samples and bulk samples (https://doi.org/10.1371/journal.pone.0035868[Takahara et al. 2012^]; https://doi.org/10.1111/j.1365-294X.2011.05418.x[Thomsen et al. 2012^]; https://doi.org/10.1111/j.1365-294X.2011.05261.x[Andersen et al. 2012^]; https://doi.org/10.1038/ismej.2013.61[Ovaskainen et al. 2013^]; https://doi.org/10.1111/1755-0998.12522[Lacoursière-Roussel et al. 2016^]; https://doi.org/10.1371/journal.pone.0165252[Thomsen et al. 2016^]; https://doi.org/10.1111/mec.13428[Valentini et al. 2016^]; https://doi.org/10.1002/edn3.45[Fossøy et al. 2019^]; https://doi.org/10.1002/edn3.7[Yates et al. 2019^]; https://doi.org/10.1038/s41598-019-40233-1[Doi et al. 2017^]). However, other studies show little correlation between environmental DNA quantity and estimated population density (https://doi.org/10.1016/j.jembe.2018.09.004[Knudsen et al. 2019^]). PCR, quantification, mixing and other biases are frequently debated. For example, moult, reproduction and mass death can contribute to increased levels of crustacean environmental DNA in water, while turbidity and poor water quality reduce the amount of detectable environmental DNA (https://doi.org/10.1111/1365-2664.13404[Strand et al. 2019^]). Therefore we encourage data publishers to supply both read counts for each OTU or ASV per sample as well as total read count per sample, as this is necessary information for users to make their own conclusions on presence/absence and (relative) abundance." -msgstr "Certaines études montrent une relation entre la quantité d'ADN d'une espèce donnée dans un échantillon environnemental et la biomasse de l'espèce dans l'environnement. On peut donc éventuellement considérer que l'ADN environnemental permet une estimation semi-quantitative (cible indirecte) de la biomasse des organismes, tant à partir d'échantillons environnementaux que d'échantillons en vrac (https://doi.org/10.1371/journal.pone.0035868[Takahara et al. 2012^] ; https://doi.org/10.1111/j.1365-294X.2011.05418.x[Thomsen et al. 2012^] ; https://doi.org/10.1111/j.1365-294X.2011.05261.x[Andersen et al. 2012^] ; https://doi.org/10.1038/ismej.2013 .61[Ovaskainen et al. 2013^] ; https://doi.org/10.1111/1755-0998.12522[Lacoursière-Roussel et al. 2016^] ; https://doi.org/10.1371/journal.pone.0165252[Thomsen et al. 2016^] ; https://doi.org/10.1111/mec.13428[Valentini et al. 2016^] ; https://doi.org/10.1002/edn3.45[Fossøy et al. 2019^] ; https://doi.org/10.1002/edn3.7[Yates et al. 2019^] ; https://doi.org/10.1038/s41598-019-40233-1[Doi et al. 2017^]). Cependant, d'autres études montrent peu de corrélation entre la quantité d'ADN environnemental et la densité de population estimée (https://doi.org/10.1016/j.jembe.2018.09.004[Knudsen et al. 2019^]). La PCR, la quantification, la préparation et d'autres biais sont fréquemment débattus. Par exemple, la mue, la reproduction et la mort massive peuvent contribuer à augmenter les niveaux d'ADN environnemental des crustacés dans l'eau, tandis que la turbidité et la mauvaise qualité de l'eau réduisent la quantité d'ADN environnemental détectable (https://doi.org/10.1111/1365-2664.13404[Strand et al. 2019^]). Par conséquent, nous encourageons les éditeurs de données à fournir à la fois le nombre de lectures pour chaque OTU ou ASV par échantillon, ainsi que le nombre total de reads par échantillon, car il s'agit d'informations nécessaires pour que les utilisateurs puissent tirer leurs propres conclusions sur la présence/absence et l'abondance (relative)." +msgstr "Certaines études montrent une relation entre la quantité d'ADN d'une espèce donnée dans un échantillon environnemental et la biomasse de l'espèce dans l'environnement. On peut donc éventuellement considérer que l'ADN environnemental permet une estimation semi-quantitative (cible indirecte) de la biomasse des organismes, tant à partir d'échantillons environnementaux que d'échantillons en vrac (https://doi.org/10.1371/journal.pone.0035868[Takahara et al. 2012^] ; https://doi.org/10.1111/j.1365-294X.2011.05418.x[Thomsen et al. 2012^] ; https://doi.org/10.1111/j.1365-294X.2011.05261.x[Andersen et al. 2012^] ; https://doi.org/10.1038/ismej.2013 .61[Ovaskainen et al. 2013^] ; https://doi.org/10.1111/1755-0998.12522[Lacoursière-Roussel et al. 2016^] ; https://doi.org/10.1371/journal.pone.0165252[Thomsen et al. 2016^] ; https://doi.org/10.1111/mec.13428[Valentini et al. 2016^] ; https://doi.org/10.1002/edn3.45[Fossøy et al. 2019^] ; https://doi.org/10.1002/edn3.7[Yates et al. 2019^] ; https://doi.org/10.1038/s41598-019-40233-1[Doi et al. 2017^]). Cependant, d'autres études montrent peu de corrélation entre la quantité d'ADN environnemental et la densité de population estimée (https://doi.org/10.1016/j.jembe.2018.09.004[Knudsen et al. 2019^]). La PCR, la quantification, la préparation et d'autres biais sont fréquemment débattus. Par exemple, la mue, la reproduction et la mort massive peuvent contribuer à augmenter les niveaux d'ADN environnemental des crustacés dans l'eau, tandis que la turbidité et la mauvaise qualité de l'eau réduisent la quantité d'ADN environnemental détectable (https://doi.org/10.1111/1365-2664.13404[Strand et al. 2019^]). Par conséquent, nous encourageons les éditeurs de données à fournir à la fois le nombre de reads pour chaque OTU ou ASV par échantillon, ainsi que le nombre total de reads par échantillon, car il s'agit d'informations nécessaires pour que les utilisateurs puissent tirer leurs propres conclusions sur la présence/absence et l'abondance (relative)." #. type: Title ==== #: 100.en.adoc:55 @@ -407,7 +407,7 @@ msgstr "Métabarcoding : données dérivées de séquences" #. type: Plain text #: 100.en.adoc:58 msgid "The generation of sequence-derived data is currently increasing fast due to the development of <>. This method utilizes general primers to generate thousands to millions of short DNA-sequences for a given group of organisms with the help of high-throughput sequencing (HTS, alt. next-generation sequencing (NGS)). By comparing each DNA-sequence to a reference database such as GenBank (https://doi.org/10.1093/nar/gkj157[Benson et al. 2006 ^]), BOLD (http://dx.doi.org/10.1111/j.1471-8286.2007.01678.x[Ratnasingham et al. 2007^]), or UNITE (https://doi.org/10.1093/nar/gky1022[Nilsson et al. 2019^]), each sequence can be assigned to a species or higher rank taxon identity. <> is used for samples originating from both terrestrial and aquatic environments, including water, soil, air, sediments, biofilms, plankton, bulk samples and faces, simultaneously identifying hundreds of species (https://doi.org/10.1016/j.gecco.2019.e00547[Ruppert et al. 2019^])." -msgstr "La génération de données dérivées de séquences ADN augmente rapidement en raison du développement du <>. Cette méthode utilise des amorces universelles pour générer des milliers, voire des millions, de courtes séquences d'ADN pour un groupe donné d'organismes à l'aide du séquençage à haut débit (HTS, alt. next-generation sequencing (NGS)). En comparant chaque séquence d'ADN à une base de données de référence telle que GenBank (https://doi.org/10.1093/nar/gkj157[Benson et al. 2006 ^]), BOLD (http://dx.doi.org/10.1111/j.1471-8286.2007.01678.x[Ratnasingham et al. 2007^]) ou UNITE (https://doi.org/10.1093/nar/gky1022[Nilsson et al. 2019^]), chaque séquence peut être attribuée à une espèce ou à une identité taxonomique de rang supérieur. <> est utilisé pour des échantillons provenant d'environnements terrestres et aquatiques, y compris l'eau, le sol, l'air, les sédiments, les biofilms, le plancton, les échantillons en vrac et les fèces, identifiant simultanément des centaines d'espèces (https://doi.org/10.1016/j.gecco.2019.e00547[Ruppert et al. 2019^])." +msgstr "La génération de données dérivées de séquences ADN augmente rapidement en raison du développement du <>. Cette méthode utilise des amorces universelles pour générer des milliers, voire des millions, de courtes séquences d'ADN pour un groupe donné d'organismes à l'aide du séquençage à haut débit (HTS, alt. next-generation sequencing (NGS)). En comparant chaque séquence d'ADN à une base de données de référence telle que GenBank (https://doi.org/10.1093/nar/gkj157[Benson et al. 2006 ^]), BOLD (http://dx.doi.org/10.1111/j.1471-8286.2007.01678.x[Ratnasingham et al. 2007^]) ou UNITE (https://doi.org/10.1093/nar/gky1022[Nilsson et al. 2019^]), chaque séquence peut être attribuée à une espèce ou à une identité taxonomique de rang supérieur. <> est utilisé pour des échantillons provenant d'environnements terrestres et aquatiques, y compris l'eau, le sol, l'air, les sédiments, les biofilms, le plancton, les échantillons en vrac et les fèces, identifiant simultanément des centaines d'espèces (https://doi.org/10.1016/j.gecco.2019.e00547[Ruppert et al. 2019^])." #. type: Plain text #: 100.en.adoc:60 @@ -527,7 +527,7 @@ msgstr "Généralement, les séquences ADN sont d'abord prétraitées en supprim #. type: Plain text #: 100.en.adoc:108 msgid "The pre-processed sequences can then be assigned a taxon by comparing them against reference databases. When reference databases are incomplete, sequences classification can be done without taxonomic identifications, either by clustering sequences into operational taxonomic units based on their similarity (OTUs; https://doi.org/10.1098/rstb.2005.1725[Blaxter et al. 2005^]) or by denoising the data, i.e. explicitly detecting and excluding PCR/sequencing errors sequences to produce amplicon sequence variants (ASV; also referred to as zero radius OTU (zOTU)). Denoising attempts to correct errors that have been introduced in the PCR and/or sequencing steps, such that the denoised sequences are the set of unique biologically real sequences present in the original sequence mixture. In case of paired-end sequences, the forward and reverse sequences may be denoised separately before merging or else merged prior to denoising. ASVs in the resulting set can differ by as little as one base which is indicative of inter- or intraspecific sequence variation. Operationally, ASVs may be thought of as OTUs without defined radius and while denoising algorithms are typically very good, they do not entirely remove the problems of over-splitting or lumping sequences." -msgstr "Les séquences prétraitées peuvent ensuite être attribuées à un taxon en les comparant à des bases de données de référence. Lorsque les bases de données de référence sont incomplètes, la classification des séquences peut se faire sans identification taxonomique, soit en regroupant les séquences en unités taxonomiques opérationnelles sur la base de leur similarité (OTU ; https://doi.org/10.1098/rstb.2005.1725[Blaxter et al. 2005^]), soit en faisant un denoising des données, c'est-à-dire en détectant et en excluant explicitement les séquences comportant des erreurs de PCR/séquençage pour produire des variants de séquence d'amplicon (ASV ; également appelés OTU à rayon zéro (zOTU)). Le denoising tente de corriger les erreurs qui ont été introduites dans les étapes de PCR et/ou de séquençage, de sorte que les séquences représentent l'ensemble des séquences uniques biologiquement réelles présentes dans l'ensemble de séquences d'origine. Dans le cas de séquençage paired-end, le denoising des séquences directe et inverse peut être fait séparément avant d'être assemblées ou les séquences peuvent être assemblées avant le denoising. Les ASV de l'ensemble résultant peuvent différer d'aussi peu qu'une base, ce qui indique une variation de séquence inter- ou intraspécifique. D'un point de vue opérationnel, les ASV peuvent être considérés comme des OTU sans rayon défini et, bien que les algorithmes de denoising soient généralement très bons, ils n'éliminent pas entièrement les problèmes liés au fractionnement ou agrégation excessif des séquences." +msgstr "Les séquences prétraitées peuvent ensuite être attribuées à un taxon en les comparant à des bases de données de référence. Lorsque les bases de données de référence sont incomplètes, la classification des séquences peut se faire sans identification taxonomique, soit en regroupant les séquences en unités taxonomiques opérationnelles sur la base de leur similarité (OTU ; https://doi.org/10.1098/rstb.2005.1725[Blaxter et al. 2005^]), soit en faisant un denoising des données, c'est-à-dire en détectant et en excluant explicitement les séquences comportant des erreurs de PCR/séquençage pour produire des variants de séquence d'amplicon (ASV ; également appelés OTU à rayon zéro (zOTU)). Le denoising tente de corriger les erreurs qui ont été introduites dans les étapes de PCR et/ou de séquençage, de sorte que les séquences représentent l'ensemble des séquences uniques biologiquement réelles présentes dans l'ensemble de séquences d'origine. Dans le cas de séquençage double-sens, le denoising des séquences directe et inverse peut être fait séparément avant d'être assemblées ou les séquences peuvent être assemblées avant le denoising. Les ASV de l'ensemble résultant peuvent différer d'aussi peu qu'une base, ce qui indique une variation de séquence inter- ou intraspécifique. D'un point de vue opérationnel, les ASV peuvent être considérés comme des OTU sans rayon défini et, bien que les algorithmes de denoising soient généralement très bons, ils n'éliminent pas entièrement les problèmes liés au fractionnement ou agrégation excessif des séquences." #. type: Plain text #: 100.en.adoc:110