Fontes e método

A pergunta

Para cada espécie de tetrápode do Brasil (anfíbios, répteis, aves e mamíferos) nas listas oficiais das sociedades científicas: quantas sequências de DNA públicas existem no BOLD Systems e no GenBank? E quais espécies ainda não têm nenhuma? O recorte é de tetrápodes; peixes não entram.

Listas de espécies

Uma lista de referência por grupo, todas convertidas para o mesmo esquema de colunas.

Sequências

  • BOLD Systems (portal v5): uma consulta por classe ao endpoint público api/summary, que devolve o número de registros públicos por nome de espécie; outra consulta igual, restrita a material coletado no Brasil. Sem chave.
  • GenBank (NCBI E-utilities, esearch no banco nuccore): contagem de registros por "Gênero epíteto"[Organism]. O filtro [Organism] usa a taxonomia do NCBI e já inclui os sinônimos que o NCBI conhece. Os nomes anteriores dados pela lista e os sinônimos do CTFB entram na mesma busca com OR.
  • Catálogo Taxonômico da Fauna do Brasil (CTFB/JBRJ, API REST aberta): sinônimos, ocorrência por UF (usada para aves, e para anfíbios sem UF na lista), endemismo e ano de descrição quando a lista não traz.
  • GBIF Backbone (api.gbif.org): para as espécies sem DNA sob o nome da lista, o nome aceito no GBIF e os sinônimos dele (pega transferências de gênero, como Heterospizias meridionalis / Buteogallus meridionalis). Se o GBIF não reconhece o nome, nada é inventado: a espécie fica “a verificar”.
  • Categoria nacional de ameaça: Portaria MMA nº 1.704, de 16/06/2026 (Lista Nacional Oficial das Espécies da Fauna Ameaçadas de Extinção, Anexo I), extraída do PDF publicado no DOU. Espécie com só subespécies listadas aparece como “categoria (ssp.)”. Quando a espécie não consta da portaria, mantêm-se as categorias DD/NT/LC das avaliações citadas pelas listas (MMA 2022 para anfíbios, MMA 2023 para mamíferos).
  • Mapa: malha de UFs do IBGE (qualidade mínima).

Situação de cada espécie

Situação Critério
com DNA ao menos um registro no BOLD ou no GenBank sob o nome da lista ou sob outra combinação do mesmo epíteto (transferência de gênero; a observação diz qual)
a verificar sem DNA sob o nome da lista, mas: há sequências só sob nome alternativo com outro epíteto (sinônimo, nome aceito no CTFB ou no GBIF; pode ser desmembramento ou agrupamento de espécies); ou o nome não está no CTFB ou não é reconhecido pelo GBIF (não deu para conferir sinônimos); ou o nome da lista é sinônimo no CTFB; ou a espécie tem sinônimos conhecidos; ou o nome aparece no GenBank fora do campo Organism (nota, subespécie, identificação antiga); ou o gênero tem 500 registros ou mais no GenBank
sem DNA nenhuma sequência pública sob o nome e os sinônimos conhecidos, e nenhum dos sinais acima

Cuidado com a “falsa órfã”. Uma espécie pode parecer sem DNA porque o banco usa um nome antigo, um nome com erro ou uma identificação só até gênero (“Gênero sp.”). Por isso o painel nunca afirma “não existe DNA”: afirma que não foi encontrado sob os nomes conferidos. A coluna “Observação” diz o motivo de cada “a verificar” e quantos registros do gênero coletados no Brasil estão sem identificação no BOLD. Achou uma sequência que o painel não viu? Abra uma issue com o link.

Faixas de registros no BOLD seguem o iBOL Europe Gap List: 0 / 1-2 / 3-9 / 10 ou mais. A ideia de ranquear lacunas vem de lá.

Atualização

Um robô (GitHub Actions) roda toda semana: baixa as listas, consulta CTFB, BOLD e GenBank e grava os resultados em CSV no repositório. O histórico do git é o histórico dos dados. A consulta ao GenBank é incremental: espécies novas e as sem DNA são reconsultadas toda semana; as demais, a cada 4 semanas.

Dados e código

  • cobertura.csv: uma linha por espécie (contagens, situação, observação).
  • historico.csv: totais por grupo a cada atualização.
  • eventos.csv: espécies que ganharam DNA, com a data.