A positive association between gut microbiota diversity and vertebrate host performance in a field experiment
Notice bibliographique
Résumé
Abstract The vertebrate gut microbiota is a critical determinant of organismal function, yet it remains unclear if and how gut microbial communities affect host fitness under natural conditions. Here, we investigate associations between growth rate (a fitness proxy) and gut microbiota diversity and composition in a field experiment with threespine stickleback fish ( Gasterosteus aculeatus ). We detected on average 63% more bacterial taxa in the guts of high-fitness fish compared to low-fitness fish (i.e., higher α-diversity), suggesting that higher diversity promotes host growth. The microbial communities of high-fitness fish had higher similarity (i.e., lower β-diversity) than low-fitness fish, supporting the Anna Karenina principle— that there are fewer ways to have a functional microbiota than a dysfunctional microbiota. Our findings provide a basis for functional tests of the fitness consequences of host-microbiota interactions. Significance statement The vertebrate gut microbiota is important for many aspects of their hosts’ biology—such as nutrient metabolism and defense against pathogens—that could ultimately affect host fitness. However, studies investigating the effects of gut microbiota composition on vertebrate host fitness under natural conditions remain exceedingly rare. We tested for associations between gut microbiota diversity and growth rate (a fitness proxy) in threespine stickleback fish reared in large outdoor ponds. We found evidence that a more diverse gut microbiota was predictive of higher growth rate and therefore increased host fitness. Notably, high-fitness fish had higher gut microbiota similarity to one another than did low-fitness fish, providing experimental evidence for the Anna Karenina principle—that there are fewer ways to have a functional microbiota than a dysfunctional microbiota—as it relates to host fitness.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».