Deciphering microeukaryotic–bacterial co-occurrence networks in coastal aquaculture ponds
Notice bibliographique
Résumé
Microeukaryotes and bacteria are key drivers of primary productivity and nutrient cycling in aquaculture ecosystems. Although their diversity and composition have been widely investigated in aquaculture systems, the co-occurrence bipartite network between microeukaryotes and bacteria remains poorly understood. This study used the bipartite network analysis of high-throughput sequencing datasets to detect the co-occurrence relationships between microeukaryotes and bacteria in water and sediment from coastal aquaculture ponds. Chlorophyta and fungi were dominant phyla in the microeukaryotic-bacterial bipartite networks in water and sediment, respectively. Chlorophyta also had overrepresented links with bacteria in water. Most microeukaryotes and bacteria were classified as generalists, and tended to have symmetric positive and negative links with bacteria in both water and sediment. However, some microeukaryotes with high density of links showed asymmetric links with bacteria in water. Modularity detection in the bipartite network indicated that four microeukaryotes and twelve uncultured bacteria might be potential keystone taxa among the module connections. Moreover, the microeukaryotic-bacterial bipartite network in sediment harbored significantly more nestedness than that in water. The loss of microeukaryotes and generalists will more likely lead to the collapse of positive co-occurrence relationships between microeukaryotes and bacteria in both water and sediment. This study unveils the topology, dominant taxa, keystone species, and robustness in the microeukaryotic-bacterial bipartite networks in coastal aquaculture ecosystems. These species herein can be applied for further management of ecological services, and such knowledge may also be very useful for the regulation of other eutrophic ecosystems. Supplementary Information: The online version contains supplementary material available at 10.1007/s42995-022-00159-6.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| 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 ».