Taxonomic differences of gut microbiomes drive cellulolytic enzymatic potential within hind-gut fermenting mammals
Notice bibliographique
Résumé
Host diet influences the diversity and metabolic activities of the gut microbiome. Previous studies have shown that the gut microbiome provides a wide array of enzymes that enable processing of diverse dietary components. Because the primary diet of the porcupine, Erethizon dorsatum, is lignified plant material, we reasoned that the porcupine microbiome would be replete with enzymes required to degrade lignocellulose. Here, we report on the bacterial composition in the porcupine microbiome using 16S rRNA sequencing and bioinformatics analysis. We extended this analysis to the microbiomes of 20 additional mammals located in Shubenacadie Wildlife Park (Nova Scotia, Canada), enabling the comparison of bacterial diversity amongst three mammalian taxonomic orders (Rodentia, Carnivora, and Artiodactyla). 16S rRNA sequencing was validated using metagenomic shotgun sequencing on selected herbivores (porcupine, beaver) and carnivores (coyote, Arctic wolf). In the microbiome, functionality is more conserved than bacterial composition, thus we mined microbiome data sets to identify conserved microbial functions across species in each order. We measured the relative gene abundances for cellobiose phosphorylase, endoglucanase, and beta-glucosidase to evaluate the cellulose-degrading potential of select mammals. The porcupine and beaver had higher proportions of genes encoding cellulose-degrading enzymes than the Artic wolf and coyote. These findings provide further evidence that gut microbiome diversity and metabolic capacity are influenced by host diet.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».