Oceanographic setting influences the prokaryotic community and metabolome in deep-sea sponges
Notice bibliographique
Résumé
Marine sponges (phylum Porifera) are leading organisms for the discovery of bioactive compounds from nature. Their often rich and species-specific microbiota is hypothesised to be producing many of these compounds. Yet, environmental influences on the sponge-associated microbiota and bioactive compound production remain elusive. Here, we investigated the changes of microbiota and metabolomes in sponges along a depth range of 1232 m. Using 16S rRNA gene amplicon sequencing and untargeted metabolomics, we assessed prokaryotic and chemical diversities in three deep-sea sponge species: Geodia barretti, Stryphnus fortis, and Weberella bursa. Both prokaryotic communities and metabolome varied significantly with depth, which we hypothesized to be the effect of different water masses. Up to 35.5% of microbial ASVs (amplicon sequence variants) showed significant changes with depth while phylum-level composition of host microbiome remained unchanged. The metabolome varied with depth, with relative quantities of known bioactive compounds increasing or decreasing strongly. Other metabolites varying with depth were compatible solutes regulating osmolarity of the cells. Correlations between prokaryotic community and the bioactive compounds in G. barretti suggested members of Acidobacteria, Proteobacteria, Chloroflexi, or an unclassified prokaryote as potential producers.
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 | 0,004 | 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 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».