MétaCan
Menu
Retour à la cohorte
Enregistrement W3173084100 · doi:10.1101/2021.06.04.447128

Fine-Scale Adaptations to Environmental Variation and Growth Strategies Drive Phyllosphere <i>Methylobacterium</i> Diversity

2021· preprint· en· W3173084100 sur OpenAlexafffund
Jean‐Baptiste Leducq, Émilie Seyer-Lamontagne, Domitille Condrain-Morel, Geneviève Bourret, David Sneddon, James A. Foster, Christopher J. Marx, Jack Sullivan, B. Jesse Shapiro, Steven W. Kembel

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensMcGill UniversityUniversité de MontréalUniversité du Québec à Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsMcGill UniversityNational Science Foundation
Mots-clésMethylobacteriumPhyllosphereBiologyLineage (genetic)Adaptation (eye)EcologyPhylogenetic treeEpiphyteEcotypeEvolutionary biologyGeneBacteria

Résumé

récupéré en direct d'OpenAlex

Abstract Methylobacterium is a prevalent bacterial genus of the phyllosphere. Despite its ubiquity, little is known about the extent to which its diversity reflects neutral processes like migration and drift, versus environmental filtering of life history strategies and adaptations. In two temperate forests, we investigated how phylogenetic diversity within Methylobacterium was structured by biogeography, seasonality, and growth strategies. Using deep, culture-independent barcoded marker gene sequencing coupled with culture-based approaches, we uncovered a considerable diversity of Methylobacterium in the phyllosphere. We cultured different subsets of Methylobacterium lineages depending upon the temperature of isolation and growth (20 °C or 30 °C), suggesting long-term adaptation to temperature. To a lesser extent than temperature adaptation, Methylobacterium diversity was also structured across large (&gt;100km; between forests) and small geographical scales (&lt;1.2km within forests), among host tree species, and was dynamic over seasons. By measuring growth of 79 isolates at different temperature treatments, we observed contrasting growth performances, with strong lineage- and season-dependent variations in growth strategies. Finally, we documented a progressive replacement of lineages with a high-yield growth strategy typical of cooperative, structured communities, in favor of those characterized by rapid growth, resulting in convergence and homogenization of community structure at the end of the growing season. Together our results show how Methylobacterium is phylogenetically structured into lineages with distinct growth strategies, which helps explain their differential abundance across regions, host tree species, and time. This works paves the way for further investigation of adaptive strategies and traits within a ubiquitous phyllosphere genus. Importance Methylobacterium is a bacterial group tied to plants. Despite its ubiquity and importance to their hosts, little is known about the processes driving Methylobacterium community dynamics. By combining traditional culture-dependent and independent (metabarcoding) approaches, we monitored Methylobacterium diversity in two temperate forests over a growing season. On the surface of tree leaves, we discovered remarkably diverse and dynamic Methylobacterium communities over short temporal (from June to October) and spatial scales (within 1.2 km). Because we cultured different subsets of Methylobacterium diversity depending on the temperature of incubation, we suspected that these dynamics partly reflected climatic adaptation. By culturing strains in lab conditions mimicking seasonal variations, we found that diversity and environmental variations were indeed good predictors of Methylobacterium growth performances. Our findings suggest that Methylobacterium community dynamics at the surface of tree leaves results from the succession of strains with contrasted growth strategies in response to environmental variations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,934
Score d'incertitude au seuil0,753

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,182
Écart entre enseignants0,170 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetFermentation and Sensory AnalysisTravaux en français237 207