dsRNA-based viromics: A novel tool unveiled hidden soil viral diversity and richness
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Viruses play a crucial role in agroecosystem functioning. However, few studies have examined the diversity of the soil virome, especially when it comes to RNA viruses. Despite the great progress in viral metagenomics and metatranscriptomics (metaviromics) toward RNA viruses characterization, soil RNA viruses’ ecology is embryonic compared to DNA viruses. We currently lack a wet lab. method to accurately unhide the true soil viral diversity. To overcome this limitation, we developed dsRNA-based methods capitalizing on our expertise in soil RNA extraction and dsRNA extraction ported from studies of phyllosphere viral diversity. This proposed method detected both RNA and DNA viruses and is proven to capture a greater soil virus diversity than existing methods, virion-associated nucleic enrichment, and metaviromics. Indeed, using this method we detected 284 novel RNA-dependent RNA polymerases and expanded the diversity of Birnaviridae and Retroviridae viral families to agricultural soil, which, to our knowledge, have never been reported in such ecosystem. The dsRNA-based method is cost-effective in terms of affordability and requirements for data processing, facilitating large-scale and high-throughput soil sample processing to unlock the potential of the soil virome and its impact on biogeochemical processes (e.g. carbon and nutrient cycling). This method can also benefit future studies of viruses in complex environments, for example, to characterize RNA viruses in the human gut or aquatic environment where RNA viruses are less studied mainly because of technical limitations.
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.
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 | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle