Identification of Freshwater <i>Phycodnaviridae</i> and Their Potential Phytoplankton Hosts, Using DNA <i>pol</i> Sequence Fragments and a Genetic-Distance Analysis
Notice bibliographique
Résumé
Viruses that infect phytoplankton are an important component of aquatic ecosystems, yet in lakes they remain largely unstudied. In order to investigate viruses (Phycodnaviridae) infecting eukaryotic phytoplankton in lakes and to estimate the number of potential host species, samples were collected from four lakes at the Experimental Lakes Area in Ontario, Canada, during the ice-free period (mid-May to mid-October) of 2004. From each lake, Phycodnaviridae DNA polymerase (pol) gene fragments were amplified using algal-virus-specific primers and separated by denaturing gradient gel electrophoresis; 20 bands were extracted from the gels and sequenced. Phylogenetic analysis indicated that freshwater environmental phycodnavirus sequences belong to distinct phylogenetic groups. An analysis of the genetic distances "within" and "between" monophyletic groups of phycodnavirus isolates indicated that DNA pol sequences that differed by more than 7% at the inferred amino acid level were from viruses that infect different host species. Application of this threshold to phylogenies of environmental sequences indicated that the DNA pol sequences from these lakes came from viruses that infect at least nine different phytoplankton species. A multivariate statistical analysis suggested that potential freshwater hosts included Mallomonas sp., Monoraphidium sp., and Cyclotella sp. This approach should help to unravel the relationships between viruses in the environment and the phytoplankton hosts they infect.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».