Comparative metagenomic and metatranscriptomic analyses reveal the breed effect on the rumen microbiome and its associations with feed efficiency in beef cattle
Notice bibliographique
Résumé
BACKGROUND: Microorganisms are responsible for fermentation within the rumen and have been reported to contribute to the variation in feed efficiency of cattle. However, to what extent the breed affects the rumen microbiome and its association with host feed efficiency is unknown. Here, rumen microbiomes of beef cattle (n = 48) from three breeds (Angus, Charolais, Kinsella composite hybrid) with high and low feed efficiency were explored using metagenomics and metatranscriptomics, aiming to identify differences between functional potentials and activities of same rumen microbiomes and to evaluate the effects of host breed and feed efficiency on the rumen microbiome. RESULTS: Rumen metagenomes were more closely clustered together and thus more conserved among individuals than metatranscriptomes, suggesting that inter-individual functional variations at the RNA level were higher than those at the DNA level. However, while mRNA enrichment significantly increased the sequencing depth of mRNA and generated similar functional profiles to total RNA-based metatranscriptomics, it led to biased abundance estimation of several transcripts. We observed divergent rumen microbial composition (metatranscriptomic level) and functional potentials (metagenomic level) among three breeds, but differences in functional activity (metatranscriptomic level) were less apparent. Differential rumen microbial features (e.g., taxa, diversity indices, functional categories, and genes) were detected between cattle with high and low feed efficiency, and most of them were breed-specific. CONCLUSIONS: Metatranscriptomes represent real-time functional activities of microbiomes and have the potential to better associate rumen microorganisms with host performances compared to metagenomics. As total RNA-based metatranscriptomics seem to avoid potential biases caused by mRNA enrichment and allow simultaneous use of rRNA for generation of compositional profiles, we suggest their use for linking the rumen microbiome with host phenotypes in future studies. However, if exploration of specific lowly expressed genes is desired, mRNA enrichment is recommended as it will enhance the resolution of mRNA. Finally, the differential microbial features observed between efficient and inefficient steers tended to be specific to breeds, suggesting that interactions between host breed genotype and the rumen microbiome contribute to the variations in feed efficiency observed. These breed-associated differences represent an opportunity to engineer specific rumen microbiomes through selective breeding of the hosts.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 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 ».