Niche specificity and functional diversity of the bacterial communities associated with Ginkgo biloba and Panax quinquefolius
Notice bibliographique
Résumé
Plant-associated bacteria can establish mutualistic relationships with plants to support plant health. Plant tissues represent heterogeneous niches with distinct characteristics and may thus host distinct microbial populations. The objectives of this study are to investigate the bacterial communities associated with two medicinally and commercially important plant species; Ginkgo biloba and Panax quinquefolius using high Throughput Sequencing (HTS) of 16S rRNA gene, and to evaluate the extent of heterogeneity in bacterial communities associated with different plant niches. Alpha diversity showed that number of operational taxonomic units (OTUs) varied significantly by tissue type. Beta diversity revealed that the composition of bacterial communities varied between tissue types. In Ginkgo biloba and Panax quinquefolius, 13% and 49% of OTUs, respectively, were ubiquitous in leaf, stem and root. Proteobacteria, Bacteroidetes, Actinobacteria and Acidobacteria were the most abundant phyla in Ginkgo biloba while Proteobacteria, Bacteroidetes, Actinobacteria, Plantomycetes and Acidobacteria were the most abundant phyla in Panax quinquefolius. Functional prediction of these bacterial communities using MicrobiomeAnalyst revealed 5843 and 6251 KEGG orthologs in Ginkgo biloba and Panax quinquefolius, respectively. A number of these KEGG pathways were predicted at significantly different levels between tissues. These findings demonstrate the heterogeneity, niche specificity and functional diversity of plant-associated bacteria.
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 | 0,001 | 0,001 |
| 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 ».