Diverse Bacteria Utilize Alginate Within the Microbiome of the Giant Kelp Macrocystis pyrifera
Notice bibliographique
Résumé
Bacteria are integral to marine carbon cycling. They transfer organic carbon to higher trophic levels and remineralise it into inorganic forms. Kelp forests are among the most productive ecosystems within the global oceans, yet the diversity and metabolic capacity of bacteria that transform kelp carbon is poorly understood. Here, we use 16S amplicon and metagenomic shotgun sequencing to survey bacterial communities associated with the surfaces of the giant kelp Macrocystis pyrifera and assess the capacity of these bacteria for carbohydrate metabolism. We find that Macrocystis-associated communities are distinct from the water column, and that they become more diverse and shift in composition with blade depth, which is a proxy for tissue age. These patterns are also observed in metagenomic functional profiles, though the broader functional groups—carbohydrate active enzyme families—are largely consistent across samples and depths. Additionally, we assayed more than 250 isolates cultured from Macrocystis blades and the surrounding water column for the ability to utilise alginate, the primary polysaccharide in Macrocystis tissue. The majority of cultured bacteria (66%) demonstrated this capacity; we find that alginate utilisation is patchily distributed across diverse genera in the Bacteroidetes and Proteobacteria, yet can also vary between isolates with identical 16S rRNA sequences. The genes encoding enzymes involved in alginate metabolism were detected in metagenomic data across taxonomically diverse bacterial communities, further indicating this capacity is likely widespread amongst bacteria in kelp forests. Overall, the Macrocystis pyrifera epibiota shifts across a depth gradient, demonstrating a connection between bacterial assemblage and host tissue state.
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 | 0,000 |
| 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 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 ».