Initial description of the core ocular surface microbiome in dogs: Bacterial community diversity and composition in a defined canine population
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To characterize the bacterial community residing on the conjunctiva of clinically healthy dogs. METHODS: Bacterial DNA from conjunctival swabs of 10 dogs with normal ocular examinations (both OD and OS, n = 20) was extracted, and 16S rRNA amplicons were sequenced using Illumina MiSeq 600. Resulting data were subjected to quality control steps, and analyzed for bacterial community richness and diversity, within- and between-group dissimilarity, and relative taxonomic composition. RESULTS: High-quality reads (2.22 million bp) resulted in a mean of 159 068 sequences per sample. Bacterial community evenness and diversity was high when compared to other species, and did not significantly differ when samples were grouped by dogs or eyes. As expected, within-dog samples were more similar than between-dog samples. Taxonomic classification revealed that >95% of the community consisted of Firmicutes (34.9 ± 8.8%), Actinobacteria (26.3 ± 7.1%), Proteobacteria (26.2 ± 6.6%), and Bacteroidetes (9.4 ± 2.4%). Key members of the dog ocular surface microbiome, found in all dogs and corresponding to >25% of all identified OTUs (operational taxonomic units), were part of the Bifidobacteriaceae, Lachnospiraceae, Moraxellaceae, Corynebacteriaceae families. Genera previously thought to account for the majority of the core ocular surface microbiome in the dog (Staphylococcus sp., Streptococcus sp., and Bacillus sp.) were associated with only 2.63% of overall reads. CONCLUSIONS: This study shows the feasibility of conjunctival swabs and high-throughput sequencing to profile the bacterial community structure of the canine ocular surface. A core ocular surface microbiome was identified for this canine population.
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.
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 | 0,000 |
| 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 découle