Physiological traits and relative abundance of species as explanatory variables of co-occurrence pattern of cultivable bacteria associated with chia seeds
Notice bibliographique
Résumé
Deciphering the rules defining microbial community assemblage is envisioned as a promising strategy to improve predictions of pathogens colonization and proliferation in food. Despite the increasing number of studies reporting microbial co-occurrence patterns, only a few attempts have been made to challenge them in experimental or theoretical frameworks. Here, we tested the hypothesis that observed variations in co-occurrence patterns can be explained by taxonomy, relative abundance, and physiological traits of microbial species. We used PCR amplicon sequencing of taxonomic markers to assess distribution and co-occurrence patterns of bacterial and fungal species found in 25 chia (Salvia hispanica L.) samples originating from eight different sources. The use of nutrient-rich and oligotrophic media enabled isolation of 71 strains encompassing 16 bacterial species, of which five corresponded to phylotypes represented in the molecular survey. Tolerance to different growth inhibitors and antibiotics was tested to assess the physiological traits of these isolates. Divergence of physiological traits and relative abundance of each pair of species explained 69% of the co-occurrence profile displayed by cultivable bacterial phylotypes in chia. Validation of this ecological network conceptualization approach to more food products is required to integrate microbial species co-occurrence patterns in predictive microbiology.
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 | 0,000 |
| 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 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 ».