MétaCan
Menu
Retour à la cohorte
Enregistrement W4384824205 · doi:10.1080/10454438.2023.2236096

Effect of marennine on the rearing medium and microbiota of <i>Mytilus edulis</i> larvae and its protective effect after exposure to the pathogenic <i>Vibrio splendidus</i>

2023· article· en· W4384824205 sur OpenAlexaff
Jordan Latour, Sarah-Béatrice Bernier, Kim Doiron, Réjean Tremblay, Karine Lemarchand

Notice bibliographique

RevueJournal of Applied Aquaculture · 2023
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAquaculture disease management and microbiota
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésBiologyLarvaMytilusMicrobiologyVibrioBlue musselPathogenZoologyBacteriaEcology

Résumé

récupéré en direct d'OpenAlex

Opportunistic pathogens have been associated with yield-limiting factors in bivalve hatcheries. Numerous natural compounds are being investigated for their beneficial effects and potential to enhance larval resistance without requiring antibiotics. One of those is the use of marennine, a blue pigment, originating from the diatom Haslea ostrearia, which has demonstrated a positive effect on larvae survival. The aim of this study was to highlight the protective effect of marennine on Mytilus edulis larvae during bacterial challenges in relation to a potential modification of the marennine-treated larvae microbiota. D-larvae and post-larvae were exposed for 96 h to Vibrio splendidus (106 cell mL−1) with and without mareninne (500 µg L−1). The presence of marennine increased the survival rate of D-larvae exposed to the pathogen. The molecular analysis of the larvae microbiota diversity indicated a modification in the D-larval microbiota’s richness related to survival rates of larvae. Ultimately, our study sheds light on the importance of the larval microbiota in pathogen resistance during the bivalve rearing process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,206
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied AquacultureMême sujetAquaculture disease management and microbiotaTravaux en français237 207