Species abundance distributions and richness estimations in fungal metagenomics - lessons learned from community ecology
Notice bibliographique
Résumé
Results of diversity and community ecology studies strongly depend on sampling depth. Completely surveyed communities follow log-normal distribution, whereas power law functions best describe incompletely censused communities. It is arguable whether the statistics behind those theories can be applied to voluminous next generation sequencing data in microbiology by treating individual DNA sequences as counts of molecular taxonomic units (MOTUs). This study addresses the suitability of species abundance models in three groups of plant-associated fungal communities - phyllosphere, ectomycorrhizal and arbuscular mycorrhizal fungi. We tested the impact of differential treatment of molecular singletons on observed and estimated species richness and species abundance distribution models. The arbuscular mycorrhizal community of 48 MOTUs was exhaustively sampled and followed log-normal distribution. The ectomycorrhizal (153 MOTUs) and phyllosphere (327 MOTUs) communities significantly differed from log-normal distribution. The fungal phyllosphere community in particular was clearly undersampled. This undersampling bias resulted in strong sensitivity to the exclusion of molecular singletons and other rare MOTUs that may represent technical artefacts. The analysis of abundant (core) and rare (satellite) MOTUs clearly identified two species abundance distributions in the phyllosphere data - a log-normal model for the core group and a log-series model for the satellite group. The prominent log-series distribution of satellite phyllosphere fungi highlighted the ecological significance of an infrequent fungal component in the phyllosphere community.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».