Metataxonomic insights into the microbial ecology of farm-scale hay, grass or legume, and corn silage produced with and without inoculants
Notice bibliographique
Résumé
The microbiota of silage is a key determinant of its quality. Although commercial inoculants are often used to improve silage quality, studies to analyze their impact on the microbiota of preserved forage at farm-scale facilities are scarce. We assessed the diversity of viable bacterial communities of hay (unfermented dry forage) and grass or legume (GL) and corn (C) silage to deepen our knowledge of how inoculant addition drives microbial occurrence patterns on dairy farms. Forage samples were collected from 24 dairy farms over two sampling periods. Samples were analyzed by high-throughput sequencing and quantitative PCR after being treated with propidium monoazide to account for viable cells. We found consistent significant differences between hay and silage community structures across sampling periods. Silage was generally dominated by lactic acid bacteria (LAB), while Pantoea and Sphingomonas were the main co-dominant genera in hay. The GL silage dominated by Pediococcus, Weissella, and Bacillus was phylogenetically different from C silage enriched in Acetobacter. The use of inoculants including Lentilactobacillus buchneri either alone or in combination with Lactiplantibacillus plantarum, Lacticaseibacillus casei, Pediococcus pentosaceus, or Enterococcus faecium did not systematically prevent the occurrence of undesirable bacteria, especially when corn-based, probably because of factors that can mitigate the effect of inoculation on the microbiota. The core Lactobacillales constituted the dominant LAB in silage with up to 96% relative abundance, indicating either the ubiquity of inoculants or the high competitiveness of epiphytes. Silage chemical profiles varied inconsistently with sampling periods and the use of inoculants. Multivariate multi-table analyses allowed the identification of bacterial clusters mainly driven by moisture and magnesium content in hay, while pH, lactic, and fatty acids were the main drivers for silage. Bacterial network analyses showed considerable variations in the topological roles with the use of inoculants. These results may help evaluate the effectiveness of forage management practices implemented on dairy farms and, therefore, are useful for fine-tuning the search for new additives. Such knowledge can be used by forage makers to adjust processing routines to improve the hygienic quality, nutritional potential, and aerobic stability of preserved forage.
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 | 0,000 |
| 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 | 0,000 |
| 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 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 ».