Rapid quantitative assessment of temporal and spatial variation in key functional genes of the microbial nitrogen cycle across multiple marine environments using the <scp>NanoString nCounter</scp>
Notice bibliographique
Résumé
Abstract The marine nitrogen cycle controls oceanic productivity through enzymatic processes mediated by microbes. Here, we report the construction, evaluation, and application of the OceansN CodeSet for the NanoString nCounter, which quantifies a suite of protein‐coding genes that are central to microbially mediated nitrogen cycle processes in the ocean. We also placed emphasis on quantifying a diverse set of marine diazotrophs within known nifH phylogenetic clades. The OceansN CodeSet provided direct hybridization‐based quantitation of 48 probes in a single sample, presenting advantages in terms of reduced sample handling, elimination of amplification bias, minimal DNA sample requirements, and the ability to assess targets ranging from relatively rare to abundant, with a reliable quantitation limit of ~ 1000 gene copies per target per sample. As such, our approach fills a unique methodological niche between the scale of high‐throughput amplicon sequencing (a compositional method) and quantitative polymerase chain reaction (qPCR) (a targeted method with generally lower throughput). When applied to North Atlantic environmental DNA samples, the OceansN CodeSet revealed temporal and spatial patterns in nitrogen assimilation, nitrification, and denitrification, as well as the abundance and distribution of various nitrogen‐fixing microorganisms (diazotrophs). Data from the nCounter was validated via internal and external controls, and by comparison to qPCR, nifH amplicon sequencing, and shotgun metagenomic sequencing.
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 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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».