Systematic Evaluation of Biotic and Abiotic Factors in Antifungal Microorganism Screening
Notice bibliographique
Résumé
Microorganisms have significant potential to control fungal contamination in various foods. However, the identification of strains that exhibit robust antifungal activity poses challenges due to highly context-dependent responses. Therefore, to fully exploit the potential of isolates as antifungal agents, it is crucial to systematically evaluate them in a variety of biotic and abiotic contexts. Here, we present an adaptable and scalable method using a robotic platform to study the properties of 1022 isolates obtained from maple sap. We tested the antifungal activity of isolates alone or in pairs on M17 + lactose (LM17), plate count agar (PCA), and sucrose–allantoin (SALN) culture media against Kluyveromyces lactis, Candida boidinii, and Saccharomyces cerevisiae. Microorganisms exhibited less often antifungal activity on SALN and PCA than LM17, suggesting that the latter is a better screening medium. We also analyzed the results of ecological interactions between pairs. Isolates that showed consistent competitive behaviors were more likely to show antifungal activity than expected by chance. However, co-culture rarely improved antifungal activity. In fact, an interaction-mediated suppression of activity was more prevalent in our dataset. These findings highlight the importance of incorporating both biotic and abiotic factors into systematic screening designs for the bioprospection of microorganisms with environmentally robust antifungal activity.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».