Cataloging Viral Diversity from Nonaxenic Terrestrial Cyanobacteria Cultures
Notice bibliographique
Résumé
Abstract Viruses are exceedingly common, but little is known about their diversity let alone how they behave in extreme environments, and whether viruses facilitate adaptation of their hosts to harsh conditions. To set a foundation for understanding of these understudied viral-host interactions, we created a catalog of viruses through analysis of metagenomes from 50 unialgal but nonaxenic Cyanobacteria cultures with 47 cultures isolated from various terrestrial habitats, including desert soil and rock surfaces, tropical soil, and vernal pools. These cultures represent low diversity microbial consortia dominated by the terrestrial Cyanobacteria and its associated cyanosphere microbiome containing heterotrophic microbes. We identified viral sequences in metagenomes, grouped these into viral operational taxonomic units (vOTUs) and then placed vOTUs into viral clusters (VCs). We also calculated vOTU relative abundance and predicted possible bacterial hosts. In total we predicted 814 viral sequences representing 726 vOTUs. We assigned putative taxonomy to 72 of the 814 putative viral sequences; these were distributed into 15 VCs — mostly assigned to the recently abolished Caudovirales order (now Caudoviricetes class) of viruses. We found that nonaxenic cultures were dominated by unclassified and unclustered viral sequences. Furthermore, we predicted putative bacterial hosts for 211 vOTUs, with the majority of viruses predicted to infect a Proteobacteria (now Pseudomonadota) host. Overall, while limited, these results are consistent with the notion that both viruses and Cyanobacteria isolated from extreme environments are underrepresented in reference datasets. This work increases knowledge of viral diversity and sets a foundation for future exploration of viruses associated with terrestrial Cyanobacteria and their heterotroph associates, such as connecting specific viruses to critical cycling processes and investigating their metabolic functions.
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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».