MétaCan
Menu
← Retour à la cohorte
Enregistrement W4297399768 · doi:10.21203/rs.3.rs-2088983/v1

Goat Cheese: a Model for Studying the Functional Microbiota in a One-health Context

2022· preprint· en· W4297399768 sur OpenAlexaff
Bruno Tilocca, Alessio Soggiù, Federica Iavarone, Viviana Greco, Lorenza Putignani, Maria Vittoria Ristori, Gabriele Macari, Anna Antonella Spina, Valeria Maria Moritttu, Carlotta Ceniti, Cristian Piras, L. Bonizzi, Domenico Britti, Andrea Urbani, Daniel Figeys, Paola Roncada

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProbiotics and Fermented Foods
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMetaproteomicsContext (archaeology)BiologyMetagenomicsMicrobiomeGut floraCompetition (biology)Microbial ecologyBiotechnologyEcologyGeneticsGeneBacteriaImmunology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Goat cheese is an important element of the Mediterranean diet, appreciated for its health-promoting features and the typical gustatory essences. A pivotal role in the development of these characteristics is attributed to the hosted microbiota and its continuous remodeling over the space and time. Nevertheless, a thorough study of the cheese-associated microbiota by two meta-omics approaches is still missing. Also, the study of these model systems is important in the One Health context as they enable the development of systems for monitoring environmental micro-organisms and their biological variability. In this study we employed 16S rRNA gene sequencing and metaproteomics to explore the microbiota of a typical raw goat milk cheese at diverse ripening timepoints and depths of the cheese wheel. Results findings from 16S rRNA gene sequencing and metaproteomics described a stable microbiota ecology across the selected ripening timepoints, providing evidence on the microbiologically driven fermentation of the goat milk products. On the other hand, important modeling of the microbiota harbored in the surface and core of the cheese mass are highlighted both in compositional and functional terms. Conclusion observed outcomes portrait the rind microbiota struggling for the maintenance of the cheese biosafety through competition mechanisms and/or preventing the cheese colonization by pathobionts of animal or environmental origin. Efforts in microbial competition are also accomplished in the core microbiota, although its further focusing on other biochemical routes supports the role of this microbiota in the development of both the health beneficial effects and the pleasant gustatory nuances of the goat cheeses.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,320
Tête enseignante GPT0,395
Écart entre enseignants0,075 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetProbiotics and Fermented Foods→Travaux en français237 207→