Microbial alginate foraging is conserved in geographically and taxonomically distinct ruminant microbiomes
Notice bibliographique
Résumé
ABSTRACT Seaweed plays a crucial role in carbon cycling and is expected to be a valuable resource for sustainable biomass, with applications in biofuel production, human nutrition, and animal feed. Although seaweed has historically been used as a feed source for livestock grazing near coastlines, the process by which it is digested in the rumen remains unknown. Here, we show how the brown algae Saccharina latissima is catabolized in the rumen ecosystem of two different species using in vivo and in vitro experimental systems. We determined that the ruminal decomposition of alginate, a prominent component of the brown algae cell wall, requires microbial catabolic pathways complete with alginate lyases and transport proteins. Evidence of digestion was obtained through a combination of animal models, bacterial imaging, multilayered meta-omics, and enzyme biochemistry. The evolution of and implications for acquisition of ‘alginate utilization loci’ within geographically and taxonomically distinct ruminants are considered. Graphical abstract Saccharina latissima is a brown alga commonly found in the North Atlantic, Arctic and Pacific oceans. S. latissima was collected from the west coast and Canada and Norway for microbiome studies. Alginate constitutes a substantial portion of the cell wall of S. latissima (SL), and its digestion requires a specific set of enzymes, alginate lyases. We investigated if and how S. latissima is metabolized in geographically distinct rumen ecosystems through in vivo lamb feeding experiments (2.5 and 5% inclusion, DM basis) and in vitro cattle-based rumen simulation technique, RUSITEC, experiments (up to 50% inclusion). Evidence supporting ruminal degradation of alginate was explored using a combination of multilayered meta-omics, physiology (fluorescently labelled S. latissima hot water extracts (FLA-SLAT)) and biochemical characterization of PL6 alginate lyases.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».