MétaCan
Menu
← Retour à la cohorte
Enregistrement W4398173169 · doi:10.21203/rs.3.rs-4355889/v1

Quantifying the intra- and inter-species community interaction in a microbiome by dynamic covariance mapping

2024· preprint· en· W4398173169 sur OpenAlexaff
Adrian W.R. Serohijos, Melis Gencel, Cang Hui, Zahra Sahaf, Louis Gauthier, Chloé Matta, David Gagné-Leroux, Derek S. Tsang, Dana J. Philpott, Sheela Ramathan, Gisela Marrero Cofino, Alfredo Menéndez, Shimon Bershtein

Notice bibliographique

RevueResearch Square · 2024
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensCanada Research ChairsUniversity of TorontoUniversité de SherbrookeUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMicrobiomeBiologyEvolutionary biologyMicrobial population biologyCommunityCompetition (biology)EcologyComputational biologyGeneticsEcosystemBacteria

Résumé

récupéré en direct d'OpenAlex

Abstract A microbiome’s composition, stability, and response to perturbations is dictated by the community interaction matrix 1-10 that is commonly assayed by pair-wise species competition. In their natural environment however, microbes concurrently experience multiple species, face conditions that may be difficult to mimic in vitro, and have members that are impractical to isolate. Additionally, due to overlapping of evolutionary and ecological timescales, the community interaction matrix is also influenced by intra-species diversity, but how and to what extent remains poorly understood 11-14. Here, we develop a general approach called Dynamic Covariance Mapping (DCM) to estimate the interaction matrix of multispecies microbiome community in its natural environment from abundance time-series data. Together with intra-species high-resolution lineage tracking via chromosomal barcoding, we quantify the inter- and intra-species community interaction matrix during E. coli colonization of mice gut microbiome with increasing complexity: germ-free, antibiotic-perturbed, and innate microbiota. With DCM, we differentiate three temporal phases of invasion in the susceptible communities: 1) initial loss of community stability as E. coli enters; 2) recolonization of some gut bacteria; and 3) recovery of stability with E. coli clones coexisting with resident bacteria in a quasi-steady state. These phases are influenced by specific interactions between E. coli sub-lineages with other species in the community. These results highlight the transient nature and time-dependence of community interaction networks in microbiomes driven by the persistent coupling of ecological and evolutionary dynamics. Our theoretical and experimental approach can be applied to characterize coupled ecological-evolutionary dynamics of bacterial communities in vitro and in situ.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,097
Tête enseignante GPT0,419
Écart entre enseignants0,321 · 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'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetGut microbiota and health→Travaux en français237 207→