Environmental DNA (eDNA) surveys have become a popular tool for assessing the distribution of species. However, it is known that false positive and false negative observation error can occur at both stages of eDNA surveys, namely the field sampling stage and laboratory analysis stage. We present an RShiny app that implements the Griffin et al. (2020) statistical method, which accounts for false positive and false negative errors in both stages of eDNA surveys that target single species using quantitative PCR methods. Following Griffin et al. (2020), we employ a Bayesian approach and perform efficient Bayesian variable selection to identify important predictors for the probability of species presence as well as the probabilities of observation error at either stage. We demonstrate the RShiny app using a data set on great crested newts collected by Natural England in 2018, and we identify water quality, pond area, fish presence, macrophyte cover and frequency of drying as important predictors for species presence at a site. The state-of-the-art statistical method that we have implemented is the only one that has specifically been developed for the purposes of modelling false negative and false positive observation error in eDNA data. Our RShiny app is user-friendly, requires no prior knowledge of R and fits the models very efficiently. Therefore, it should be part of the tool-kit of any researcher or practitioner who is collecting or analysing eDNA data.

中文翻译：

---

用于建模环境 DNA 数据的 RShiny 应用程序：考虑假阳性和假阴性观察误差

环境 DNA (eDNA) 调查已成为评估物种分布的流行工具。然而，众所周知，eDNA 调查的两个阶段，即现场采样阶段和实验室分析阶段，都可能出现假阳性和假阴性观察误差。我们展示了一个实现 Griffin 等人的 RShiny 应用程序。(2020) 统计方法，该方法解释了使用定量 PCR 方法针对单个物种的 eDNA 调查的两个阶段中的假阳性和假阴性错误。继格里芬等人之后。(2020)，我们采用贝叶斯方法并执行有效的贝叶斯变量选择来确定物种存在概率的重要预测因子以及任一阶段的观察误差概率。我们使用 Natural England 在 2018 年收集的大凤头蝾螈的数据集展示了 RShiny 应用程序，我们将水质、池塘面积、鱼类存在、大型植物覆盖和干燥频率确定为一个地点物种存在的重要预测因子。我们实施的最先进的统计方法是唯一一种专门开发用于对 eDNA 数据中的假阴性和假阳性观察错误进行建模的方法。我们的 RShiny 应用程序用户友好，不需要 R 的先验知识并且非常有效地拟合模型。因此，它应该是任何收集或分析 eDNA 数据的研究人员或从业人员的工具包的一部分。大型植物覆盖和干燥频率是一个地点物种存在的重要预测因子。我们实施的最先进的统计方法是唯一一种专门开发用于对 eDNA 数据中的假阴性和假阳性观察错误进行建模的方法。我们的 RShiny 应用程序用户友好，不需要 R 的先验知识并且非常有效地拟合模型。因此，它应该是任何收集或分析 eDNA 数据的研究人员或从业人员的工具包的一部分。大型植物覆盖和干燥频率是一个地点物种存在的重要预测因子。我们实施的最先进的统计方法是唯一一种专门开发用于对 eDNA 数据中的假阴性和假阳性观察错误进行建模的方法。我们的 RShiny 应用程序用户友好，不需要 R 的先验知识并且非常有效地拟合模型。因此，它应该是任何收集或分析 eDNA 数据的研究人员或从业人员的工具包的一部分。不需要 R 的先验知识并且非常有效地拟合模型。因此，它应该是任何收集或分析 eDNA 数据的研究人员或从业人员的工具包的一部分。不需要 R 的先验知识并且非常有效地拟合模型。因此，它应该是任何收集或分析 eDNA 数据的研究人员或从业人员的工具包的一部分。