Having the ‘right’ microbiome matters for host trait expression and the strength of mutualism between duckweeds and microbes
Notice bibliographique
Résumé
Abstract An organism’s phenotypes and fitness often depend on interactive effects of its genome ( G host ), microbiome ( G microbe ), and environment ( E ). These G x G, G x E , and G x G x E effects fundamentally shape host-microbiome (co)evolution and may be widespread, but are rarely compared within a single experiment. We collected and cultured Lemna minor (duckweed) and its associated microbiome from 10 sites across an urban-to-rural ecotone. We factorially manipulated host genotype and microbiome in two environments (low and high zinc, an urban aquatic stressor) in an experiment with 200 treatments: 10 host genotypes × 10 microbiomes × 2 environments. Host genotype explained the most variation in L. minor fitness and traits, while microbiome effects depended on host genotype ( G x G ) or environment ( G x E ). Hosts had higher fitness and microbes grew fastest when tested microbiomes more closely matched field microbiomes, suggesting some local adaptation between hosts and their microbiota. High microbiome similarity also led to more predictable host trait expression. In contrast, although zinc decreased host fitness, we observed no local adaptation of urban duckweed or microbes to high-zinc conditions. Thus, we found that host fitness and trait expression are contingent on microbiome composition, with implications for microbiome engineering and host-microbiome evolution.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».