MétaCan
Menu
Retour à la cohorte
Enregistrement W1985451457 · doi:10.1038/srep01869

Metagenomic analysis of the pinewood nematode microbiome reveals a symbiotic relationship critical for xenobiotics degradation

2013· article· en· W1985451457 sur OpenAlexafffund
Xinyue Cheng, Xueliang Tian, Yunsheng Wang, Ren-Miao Lin, Zhenchuan Mao, Nansheng Chen, Bingyan Xie

Notice bibliographique

RevueScientific Reports · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueNematode management and characterization studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicrobiomeMetagenomicsDetoxification (alternative medicine)XenobioticBiologyMetabolic pathwayBacteriaCytochrome P450Microbial metabolismComputational biologyGeneMetabolismBiochemistryEnzymeGenetics

Résumé

récupéré en direct d'OpenAlex

Our recent research revealed that pinewood nematode (PWN) possesses few genes encoding enzymes for degrading α-pinene, which is the main compound in pine resin. In this study, we examined the role of PWN microbiome in xenobiotics detoxification by metagenomic and bacteria culture analyses. Functional annotation of metagenomes illustrated that benzoate degradation and its related metabolisms may provide the main metabolic pathways for xenobiotics detoxification in the microbiome, which is obviously different from that in PWN that uses cytochrome P450 metabolism as the main pathway for detoxification. The metabolic pathway of degrading α-pinene is complete in microbiome, but incomplete in PWN genome. Experimental analysis demonstrated that most of tested cultivable bacteria can not only survive the stress of 0.4% α-pinene, but also utilize α-pinene as carbon source for their growth. Our results indicate that PWN and its microbiome have established a potentially mutualistic symbiotic relationship with complementary pathways in detoxification metabolism.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,247
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations102
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetNematode management and characterization studiesTravaux en français237 207