Delineating bacterial genera based on gene content analysis: a case study of the Mycoplasmatales-Entomoplasmatales clade within the class Mollicutes
Notice bibliographique
Résumé
Genome-based analysis allows for large-scale classification of diverse bacteria and has been widely adopted for delineating species. Unfortunately, for higher taxonomic ranks such as genus, establishing a generally accepted approach based on genome analysis is challenging. While core-genome phylogenies depict the evolutionary relationships among species, determining the correspondence between clades and genera may not be straightforward. For genotypic divergence, percentage of conserved proteins (POCP) and genome-wide average amino acid identity (AAI) are commonly used, but often do not provide a clear threshold for classification. In this work, we investigated the utility of global comparisons and data visualization in identifying clusters of species based on their overall gene content, and rationalized that such patterns can be integrated with phylogeny and other information such as phenotypes for improving taxonomy. As a proof of concept, we selected 177 representative genome sequences from the Mycoplasmatales-Entomoplasmatales clade within the class Mollicutes for a case study. We found that the clustering patterns corresponded to the current understanding of these organisms, namely the split into three above-genus groups: Hominis, Pneumoniae, and Spiroplasma-Entomoplasmataceae-Mycoides (SEM). However, at the genus level, several important issues were found. For example, recent taxonomic revisions that split the Hominis group into three genera and Entomoplasmataceae into five genera are problematic, as those newly described or emended genera lack clear differentiations in gene content from one another. Moreover, several cases of mis-classification were identified. These findings demonstrated the utility of this approach and the potential application for other bacteria.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».