Botanical microbiomes on the cheap: Inexpensive molecular fingerprinting methods to study plant‐associated communities of bacteria and fungi
Notice bibliographique
Résumé
High-throughput sequencing technologies have revolutionized the study of plant-associated microbial populations, but they are relatively expensive. Molecular fingerprinting techniques are more affordable, yet yield considerably less information about the microbial community. Does this mean they are no longer useful for plant microbiome research? In this paper, we review the past 10 years of studies on plant-associated microbiomes using molecular fingerprinting methodologies, including single-strand conformation polymorphism (SSCP), denaturing gradient gel electrophoresis (DGGE), amplicon length heterogeneity PCR (LH-PCR), ribosomal intergenic spacer analysis (RISA) and automated ribosomal intergenic spacer analysis (ARISA), and terminal restriction fragment length polymorphism (TRFLP). We also present data juxtaposing results from TRFLP methods with those generated using Illumina sequencing in the comparison of rhizobacterial populations of Brazilian maize and fungal surveys in Canadian tomato roots. In both cases, the TRFLP approach yielded the desired results at a level of resolution comparable to that of the MiSeq method, but at a fraction of the cost. Community fingerprinting methods (especially TRFLP) remain relevant for the identification of dominant microbes in a population, the observation of shifts in plant microbiome community diversity, and for screening samples before their use in more sensitive and expensive approaches.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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 ».