Comparative Analysis of Metagenomic (Amplicon and Shotgun) DNA Sequencing to Characterize Microbial Communities in Household On-Site Wastewater Treatment Systems
Notice bibliographique
Résumé
The performance of on-site wastewater treatment systems (OWTSs) can be improved by altering digester design and by manipulating environmental variables that affect microbial community composition. Community composition can potentially be assessed using high-throughput DNA sequencing, but the two most common methods of community DNA sequencing (16S and shotgun sequencing) generally yield different taxonomic identification profiles and can perform differently according to the sampled environment. To evaluate the use of these two approaches in monitoring OWTS operation, we conducted a comparative parallel analysis using both 16S rDNA and shotgun sequencing in a controlled field study. Results indicate that when examining microorganisms above 0.1% relative abundance, 16S and shotgun sequencing produced similar results in terms of individual sample species richness and between-sample community similarity. However, shotgun sequencing provided comparatively higher taxonomic richness for the bacterial communities with lower abundance in the OWTSs. In addition, 16S sequencing resolved only 48 out of 188 bacterial communities identified by shotgun sequencing (using a 0.1% abundance cutoff). Three key bacterial genera (Desulfomicrobium, Simplicispira, and Phenylobacterium) in anaerobic digestion processes were differentially abundant for both sequencing methods. These data indicate that both sequencing methods provide similar overall profiles for bacterial communities in anaerobic digestor systems. However, shotgun sequencing provides significantly (p-value < 0.01) higher taxonomic richness overall. Thus, shotgun sequencing provides a more robust taxonomic and functional profile that can be used for the optimization of anaerobic digestor systems.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 tête enseignante, 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 ».