Metabarcoding-based fungal diversity on coarse and fine particulate organic matter in a first-order stream in Nova Scotia, Canada
Notice bibliographique
Résumé
Most streams receive substantial inputs of allochthonous organic material in the form of leaves and twigs (CPOM , coarse particulate organic matter). Mechanical and biological processing converts this into fine particulate organic matter (FPOM). Other sources of particles include flocculated dissolved matter and soil particles. Fungi are known to play a role in the CPOM conversion process, but the taxonomic affiliations of these fungi remain poorly studied. The present study seeks to shed light on the composition of fungal communities on FPOM and CPOM as assessed in a natural stream in Nova Scotia, Canada. Maple leaves were exposed in a stream for four weeks and their fungal community evaluated through pyrosequencing. Over the same period, four FPOM size fractions were collected by filtration and assessed. Particles had much lower ergosterol contents than leaves, suggesting major differences in the extent of fungal colonization. Pyrosequencing documented a total of 821 fungal operational taxonomic units (OTU), of which 726 were exclusive to particles and 47 to leaf samples. Most fungal phyla were represented, including yeast lineages (e.g., Taphrinaceae and Saccharomycotina), Basidiomycota, Chytridiomycota and Cryptomycota, but several classes of Pezizomycontina (Ascomycota) dominated. Cluster dendrograms clearly separated fungal communities from leaves and from particles. Characterizing fungal communities may shed some light on the processing pathways of fine particles in streams and broadens our view of the phylogenetic composition of fungi in freshwater ecosystems.
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 | 0,001 | 0,008 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».