MétaCan
Menu
Retour à la cohorte
Enregistrement W3210593320 · doi:10.1016/j.csbj.2021.10.035

Microbial interaction-driven community differences as revealed by network analysis

2021· article· en· W3210593320 sur OpenAlexaff
Zhe Pan, Yanhong Chen, Mi Zhou, Tim A. McAllister, Le Luo Guan

Notice bibliographique

RevueComputational and Structural Biotechnology Journal · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGeneralist and specialist speciesBiologySTX2Microbial population biologyTaxonMicrobiomeCommunity structureMicrobiologyEcologyBacteriaVirulenceGeneticsShiga toxinGeneHabitat

Résumé

récupéré en direct d'OpenAlex

Diversity and compositional analysis are the most common approaches in deciphering microbial community differences. However, these approaches neglect microbial structural differences driven by microbial interactions. In this study, the microbiota data were generated from 12 rectal digesta samples collected from steers in which the Shiga toxin 2 gene (stx2) was not expressed (defined as Stx2− group) in the bacteria, and those with stx2 expressed (defined as Stx2+ group) and used to explore whether microbial networks affect gut microbiota and foodborne pathogen virulence in cattle. Although the Shannon and Chao1 indices of rectal digesta microbial communities did not differ between the two groups (P > 0.05), 24 and 13 taxa were identified to be group-specific genera for Stx2− and Stx2+ microbial communities, respectively. The network analysis indicated 12 and 14 generalists (microbes that were densely connected with other taxa) in microbial communities for Stx2− and Stx2+ groups, and 8 out of 12 generalists and 6 out of 14 generalists were designated to Stx2− and Stx2+ group-specific genera, respectively. However, the 66 core genera were not classified as network generalists. Natural connectivity measurements revealed that the higher stability of the Stx2− microbial network in comparison to the Stx2+ network, suggesting that the structure of each microbial community was inherently different even when their diversity and composition were comparable. Group-specific genera intensely interacted with other taxa in the co-occurrence network, indicating that characterizing microbial networks together with group-specific genera could be an alternative approach to identify variation in microbial communities.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,265
Écart entre enseignants0,256 · 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'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

Citations45
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputational and Structural Biotechnology JournalMême sujetGut microbiota and healthTravaux en français237 207