Genomics of Serrasalmidae teleosts through the lens of microbiome fingerprinting
Notice bibliographique
Résumé
Abstract Associations between host genotype and host‐associated microbiomes have been shown in a variety of animal clades, but studies on teleosts mostly show weak associations. Our study aimed to explore these relationships in four sympatric Serrasalmidae (i.e., piranha) teleosts from an Amazonian lake, using data sets from the hosts genomes (single nucleotide polymorphisms from genotyping by sequencing), skin and gut microbiomes (16S rRNA gene metataxonomics) and diets (COI metabarcoding) from the same fish individuals. First, we investigated whether there were significant covariations of microbiome and fish genotypes at the inter‐ and intraspecific levels. We also assessed the extent of covariation between Serrasalmidae diet and microbiome, to isolate genotypic from dietary effects on community structure. We observed a significant covariation of skin microbiomes and host genotypes at interspecific (R2 = 24.4%) and intraspecific (R2 = 6.2%) levels, whereas gut microbiomes correlated poorly with host genotypes. Serrasalmidae diet composition was significantly correlated to fish genotype only at the interspecific level (R2 = 5.4%), but did not covary with gut microbiome composition (Mantel R = −.04). Second, we investigated whether the study of interspecific differentiation could benefit from considering host‐associated microbial communities in addition to host genotypes. By using a nonmetric multidimensional scaling (NMDS) ordination‐based approach, we observed that ordinations from skin‐ and gut species‐specific bacterial biomarkers identified through a random forest algorithm could significantly increase the average interspecific differentiation detected through host genotype data alone. Although future studies encompassing additional species and environments are needed, our results suggest Serrasalmidae microbiomes could constitute an insightful trait to be considered when studying the interspecific differences between members of this clade.
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 | 0,001 | 0,001 |
| 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 ».