Volatiles from <i>Serratia marcescens, S. proteamaculans</i> , and <i>Bacillus subtilis</i> Inhibit Growth of <i>Rhizopus stolonifer</i> and Other Fungi
Notice bibliographique
Résumé
ABSTRACT The common soil bacteria Serratia marcescens, Serratia proteamaculans , and Bacillus subtilis produce small molecular weight volatile compounds that are fungi-static against multiple species, including the zygomycete mold Rhizopus stolonifer (Mucoromycota) and the model filamentous mold Neurospora crassa (Ascomycota). The compounds or the bacteria can be exploited in development of biological controls to prevent establishment of fungi on food and surfaces. Here, we quantified and identified bacteria-produced volatiles using headspace sampling and gas chromatography-mass spectrometry. We found that each bacterial species in culture has a unique volatile profile consisting of dozens of compounds. Using multivariate statistical approaches, we identified compounds in common or unique to each species. Our analysis suggested that three compounds, dimethyl trisulfide, anisole, and 2-undecanone, are characteristic of the volatiles emitted by these antagonistic bacteria. We developed bioassays for testing inhibition of each compound and found dimethyl trisulfide and anisole were the most potent. This work establishes a pipeline for translating volatile profiles of cultured bacteria into high quality candidate fungistatic compounds which may be useful in combination as antifungal control products. IMPORTANCE Bacteria may benefit by producing fungistatic volatiles that limit fungal growth providing a mechanism to exclude competitors for resources. Volatile production is potentially mediating long distance biological control and competitive in-teractions among microbes, but the specific bioactive compounds are poorly characterized. This work provides evidence that fungistatic compounds in complex blends can be identified using machine-learning and multivariate approaches. This is the first step in identifying pathways responsible for fungistatic volatile production in order to phenotype and select natural strains for biocontrol ability, or engineer bacteria with relevant pathways.
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 | 0,000 | 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) | 0,001 | 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 ».