Survey of the fecal microbiota of indigenous small ruminants living in different areas of Guizhou
Notice bibliographique
Résumé
Introduction: Gut microbiota are associated with the health and performance of ruminant species, and they are affected by altitude, host genetics, and sex. However, there has been little research on comparing the fecal microbiota of indigenous small ruminants such as sheep and goats in Guizhou province, China. In the present study, we revealed the effect of altitude, genetics, and sex on fecal microbiota profiles and enterotypes in indigenous small ruminants of Guizhou province, China. Methods: Fecal samples were collected from Hei and Qianbei Ma goats and Weining sheep in the Chinese province of Guizhou. 16S rRNA gene sequencing targeting the V3-V4 region was performed using the Illumina MiSeq platform. Sequences were processed using QIIME2, and the qualified sequences were processed using the plugin DADA2 to generate amplicon sequence variants (ASVs). The statistical analysis was performed using R studio. Results: , which may be highly driven by the host's genetics (breed). The predicted functional profiles of the fecal microbiota were also assigned to two clusters that corresponded exactly to the enterotypes. Cluster 1 of the functional profiling was characterized by biosynthesis pathways, and cluster 2 was characterized by energy metabolism pathways. Discussion: Our findings may provide new insights into the fecal microbial community and enterotypes in small ruminants by herds, offering clues for understanding the mechanisms by which the fecal microbiota contribute to divergent host phenotypes in indigenous small ruminants in Guizhou.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».