Exploring the breadth and depth of diversity within the canine gut microbiome
Notice bibliographique
Résumé
The mammalian gut microbiota is an essential factor in intestinal function and thus overall health. In the post genomic era, culture independent studies into the gut microbiota, particularly that of humans have allowed great leaps forward in knowledge of a once cryptic ecosystem. Furthermore, recent advances in sequencing technologies have allowed acceleration and broadening of work in this research field. Despite this, the canine gut microbiome has remained relatively uncharacterised. This work investigates the faecal microbiota of a diverse multi-breed and multi-location group of 79 dogs, by amplifying and sequencing the 16S rDNA from these dogs using both Sanger sequencing of clone libraries and high throughput pyrosequencing. A robust census of the canine faecal microbiota was undertaken. The most abundant genera were the Bacteroides, Prevotella, Cetobacterium, Fusobacterium, Sutterella and Megamonas. A limited core microbiome was defined in 90% of the study population; this represented less than 0.5% of richness but more than 37.4% of abundance. Influences of host sex, diet and age were investigated but were found not significant. Some evidence was found for breed associated richness differences, most marked in Labrador retrievers and miniature Schnauzers. Furthermore, the microbiota of the Labradors appeared to cluster separately from the other breeds.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».