Viral and bacterial ecogenomics in globally expanding red snow blooms
Notice bibliographique
Résumé
Abstract Chlamydomonas algal blooms give snowmelt a red color, reducing snow albedo and creating a runaway effect that accelerates snow melting. The occurrence of red snow is predicted to grow in polar and subpolar regions with increasing global temperatures. Here, a global metaanalysis of microbial abundances showed that red snow had higher microbial abundances than white snow. We hypothesize that the increased microbial densities affect virus-bacteria interactions in snow, with potential effects on snowmelt dynamics. A genomic analysis of viral and bacterial communities in red and white snow from the Whistler region of British Columbia, Canada, identified 792 putative viruses infecting bacteria. The most abundant putative snow viruses displayed low genomic similarity with known viruses. We recovered the complete circular genomes of nine putative viruses, two of which were classified as temperate. Genomes of putative snow viruses encoded genes involved in energy metabolisms, such as NAD + synthesis and salvage pathways. In model phages, these genes facilitate increased viral particle production and lysis rates. Yet, the frequency of temperate phages was positively correlated with microbial abundance in the snow samples. These results suggest the increased significance of temperate virus-bacteria interactions as microbial densities increase during snowmelt. We propose that this virus-bacteria dynamic may facilitate the red snow algae growth stimulated by bacteria, representing a potential biological feedback on snowmelt rates.
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 | 0,002 |
| 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 ».