Combining morphology, behaviour and genomics to understand the evolution and ecology of microbial eukaryotes
Notice bibliographique
Résumé
Microbial eukaryotes (protists) are structurally, developmentally and behaviourally more complex than their prokaryotic cousins. This complexity makes it more difficult to translate genomic and metagenomic data into accurate functional inferences about systems ranging all the way from molecular and cellular levels to global ecological networks. This problem can be traced back to the advent of the cytoskeleton and endomembrane systems at the origin of eukaryotes, which endowed them with a range of complex structures and behaviours that still largely dominate how they evolve and interact within microbial communities. But unlike the diverse metabolic properties that evolved within prokaryotes, the structural and behavioural characteristics that strongly define how protists function in the environment cannot readily be inferred from genomic data, since there is generally no simple correlation between a gene and a discrete activity or function. A deeper understanding of protists at both cellular and ecological levels, therefore, requires not only high-throughput genomics but also linking such data to direct observations of natural history and cell biology. This is challenging since these observations typically require cultivation, which is lacking for most protists. Potential remedies with current technology include developing a more phylogenetically diverse range of model systems to better represent the diversity, as well as combining high-throughput, single-cell genomics with microscopic documentation of the subject cells to link sequence with structure and behaviour. This article is part of a discussion meeting issue 'Single cell ecology'.
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 | 0,002 |
| 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) | 0,000 | 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 ».