Syntrophic linkage between predatory <i>Carpediemonas</i> and specific prokaryotic populations
Notice bibliographique
Résumé
Most anoxic environments are populated by small (<10 μm) heterotrophic eukaryotes that prey on different microbial community members. How predatory eukaryotes engage in beneficial interactions with other microbes has rarely been investigated so far. Here, we studied an example of such an interaction by cultivating the anerobic marine flagellate, Carpediemonas frisia sp. nov. (supergroup Excavata), with parts of its naturally associated microbiome. This microbiome consisted of so far uncultivated members of the Deltaproteobacteria, Bacteroidetes, Firmicutes, Verrucomicrobia and Nanoarchaeota. Using genome and transcriptome informed metabolic network modeling, we showed that Carpediemonas stimulated prokaryotic growth through the release of predigested biomolecules such as proteins, sugars, organic acids and hydrogen. Transcriptional gene activities suggested niche separation between biopolymer degrading Bacteroidetes, monomer utilizing Firmicutes and Nanoarchaeota and hydrogen oxidizing Deltaproteobacteria. An efficient metabolite exchange between the different community members appeared to be promoted by the formation of multispecies aggregates. Physiological experiments showed that Carpediemonas could also benefit from an association to these aggregates, as it facilitated the removal of inhibiting metabolites and increased the availability of prey bacteria. Taken together, our results provide a framework to understand how predatory microbial eukaryotes engage, across trophic levels, in beneficial interactions with specific prokaryotic populations.
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 | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».