Insights into dryland biocrust microbiome: geography, soil depth and crust type affect biocrust microbial communities and networks in Mojave Desert, USA
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Biocrusts are the living skin of drylands, comprising diverse microbial communities that are essential to desert ecosystems. Despite there being extensive knowledge on biocrust ecosystem functions and lichen and moss biodiversity, little is known about factors structuring diversity among their microbial communities. We used amplicon-based metabarcode sequencing to survey microbial communities from biocrust surface and subsurface soils at four sites located within the Mojave Desert. Five biocrust types were examined: Light-algal/Cyanobacteria, Cyanolichen, Green-algal lichen, Smooth-moss and Rough-moss crust types. Microbial diversity in biocrusts was structured by several characteristics: (i) central versus southern Mojave sites displayed different community signatures, (ii) indicator taxa of plant-associated fungi (plant pathogens and wood saprotrophs) were identified at each site, (iii) surface and subsurface microbial communities were distinct and (iv) crust types had distinct indicator taxa. Network analysis ranked bacteria-bacteria interactions as the most connected of all within-domain and cross-domain interaction networks in biocrust surface samples. Actinobacteria, Proteobacteria, Cyanobacteria and Ascomycota functioned as hubs among all phyla. The bacteria Pseudonocardia sp. (Pseudonocardiales, Actinobacteria) and fungus Alternaria sp. (Pleosporales, Ascomycota) were the most connected had the highest node degree. Our findings provide crucial insights for dryland microbial community ecology, conservation and sustainable management.
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle