MétaCan
Menu
← Retour à la cohorte
Enregistrement W3175181419 · doi:10.1101/2021.07.02.450638

Extracellular ribosomal RNA provides a window into taxon-specific microbial lysis

2021· preprint· en· W3175181419 sur OpenAlexafffund
Kevin Xu Zhong, Jennifer Wirth, Amy M. Chan, Curtis A. Suttle

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueBacteriophages and microbial interactions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesHakai Institute
Mots-clésLysisBiologyRibosomal RNATaxonRNAAbundance (ecology)EcologyGeneticsBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Abstract Microbes are by far the dominant biomass in the world’s oceans and drive biogeochemical cycles that are critical to life on Earth. The composition of marine microbial communities is highly dynamic spatially and temporally, with consequent effects on their functional roles. In part, these changes in composition result from viral lysis, which is taxon-specific and estimated to account for about half of marine microbial mortality. Here we determined taxon-specific cell lysis of prokaryotes in coastal seawater by sequencing extracellular and cellular ribosomal RNA (rRNA). We detected lysis in about 15% of the 16946 prokaryotic amplicon sequence variants (ASVs) identified, and lysis of up to 34% of the ASVs within a water sample. High lysis was most commonly associated with rare but typically highly productive bacteria, while relatively low lysis was more common in taxa that are often abundant, consistent with the proposed model of “kill the winner”, and the idea that less abundant taxa generally experience higher relative lysis than dominant taxa. These results provide an explanation to the long-standing conundrum of why highly productive bacteria that are readily isolated from seawater are often in very low abundance. One Sentence Summary Extracellular rRNA shows wide variation in cell lysis among prokaryotic taxa.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,010
Tête enseignante GPT0,198
Écart entre enseignants0,188 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetBacteriophages and microbial interactions→Travaux en français237 207→