MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386203789 · doi:10.1101/2023.08.25.554838

Disturbance-Diversity Relationships of Microbial Communities Change Based on Growth Substrate

2023· preprint· en· W4386203789 sur OpenAlexaff
Don Hoang, L. R. Wilson, Andrew J. Scheftgen, Garret Suen, Cameron R. Currie

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2023
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Community Ecology and Physiology
Établissements canadiensMcMaster UniversitySt. Joseph’s Healthcare Hamilton
Organismes subventionnairesGreat Lakes Bioenergy Research CenterOffice of ScienceNational Institutes of HealthU.S. Department of Energy
Mots-clésDisturbance (geology)EcologyBiologyIntermediate Disturbance HypothesisCommunity structureMicrobial population biologySubstrate (aquarium)Species diversityBacteria

Résumé

récupéré en direct d'OpenAlex

Abstract Disturbance events can impact ecological community dynamics. Understanding how communities respond to disturbances, and how those responses can vary, is a challenge in microbial ecology. In this study, we grew a previously enriched specialized microbial community on either cellulose or glucose as a sole carbon source, and subjected them to one of five different disturbance regimes of varying frequencies ranging from low to high. Using 16S rRNA gene amplicon sequencing, we show that community structure is largely driven by substrate, but disturbance frequency affects community composition and successional dynamics. When grown on cellulose, bacteria in the genera Cellvibrio , Lacunisphaera , and Asticaccacaulis are the most abundant microbes. However, Lacunisphaera is only abundant in the lower disturbance frequency treatments, while Asticaccaulis is more abundant in the highest disturbance frequency treatment. When grown on glucose, the most abundant microbes are two Pseudomonas sequence variants, and a Cohnella sequence variant that is only abundant in the highest disturbance frequency treatment. Communities grown on cellulose exhibited a greater range of diversity (0.67-1.99 Shannon diversity and 1.38-5.25 Inverse Simpson diversity) that peak at the intermediate disturbance frequency treatment, or 1 disturbance every 3 days. Communities grown on glucose, however, ranged from 0.49-1.43 Shannon diversity and 1.37-3.52 Inverse Simpson with peak diversity at the greatest disturbance frequency treatment. These results demonstrate that the dynamics of a microbial community can vary depending on substrate and the disturbance frequency, and may potentially explain the variety of diversity-disturbance relationships observed in microbial ecosystems. Abstract Importance A generalizable diversity-disturbance relationship (DDR) of microbial communities remains a contentious topic. Various microbial systems have different DDRs. Rather than finding support or refuting specific DDRs, we investigated the underlying factors that lead to different DDRs. In this study, we measured a cellulose-enriched microbial community’s response to a range of disturbance frequencies from high to low, across two different substrates: cellulose and glucose. We demonstrate that the community displays a unimodal DDR when grown on cellulose, and a monotonically increasing DDR when grown on glucose. Our findings suggest that the same community can display different DDRs. These results suggest that the range of DDRs we observe across different microbial systems may be due to the nutritional resources microbial communities can access and the interactions between bacteria and their environment.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,061
Tête enseignante GPT0,217
Écart entre enseignants0,156 · 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'étudeObservationnel
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 revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetMicrobial Community Ecology and Physiology→Travaux en français237 207→