The effects of urban land use gradients on wild bee microbiomes
Notice bibliographique
Résumé
Bees and their microbes interact in complex networks in which bees form symbiotic relationships with their bacteria and fungi. Microbial composition and abundance affect bee health through nutrition, immunity, and fitness. In ever-expanding urban landscapes, land use development changes bee habitats and floral resource availability, thus altering the sources of microbes that wild bees need to establish their microbiome. Here, we implement metabarcoding of the bacterial 16S and fungal ITS regions to characterize the diversity and composition of the microbiome in 58 small carpenter bees,Ceratina calcarata,across urban land use gradients (study area 6,425 km2). By categorizing land use development, green space, precipitation, and temperature variables as indicators of habitat across the city, we found that land use variables can predict microbial diversity. Microbial composition was also found to vary across urban land use gradients, with certain microbes such asAcinetobacterandApilactobacillusoverrepresented in less urban locations andPenicilliummore abundant in developed areas. Environmental features may also lead to differences in microbe interactions, as co-occurrences between bacteria and fungi varied across percent land use development, exemplified by the correlation betweenMethylobacteriumandSphingomonasbeing more prevalent in areas of higher urban development. Surrounding landscapes change the microbial landscape in wild bees and alter the relationships they have with their microbiome. As such, urban centres should consider the impact of growing cities on their pollinators’ health and protect wild bees from the effects of anthropogenic activities.
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 ».