Interactions within the microbiome alter microbial interactions with host chemical defences and affect disease in a marine holobiont
Notice bibliographique
Résumé
Our understanding of diseases has been transformed by the realisation that people are holobionts, comprised of a host and its associated microbiome(s). Disease can also have devastating effects on populations of marine organisms, including dominant habitat formers such as seaweed holobionts. However, we know very little about how interactions between microorganisms within microbiomes - of humans or marine organisms - affect host health and there is no underpinning theoretical framework for exploring this. We applied ecological models of succession to bacterial communities to understand how interactions within a seaweed microbiome affect the host. We observed succession of surface microbiomes on the red seaweed Delisea pulchra in situ, following a disturbance, with communities 'recovering' to resemble undisturbed states after only 12 days. Further, if this recovery was perturbed, a bleaching disease previously described for this seaweed developed. Early successional strains of bacteria protected the host from colonisation by a pathogenic, later successional strain. Host chemical defences also prevented disease, such that within-microbiome interactions were most important when the host's chemical defences were inhibited. This is the first experimental evidence that interactions within microbiomes have important implications for host health and disease in a dominant marine habitat-forming organism.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».