Ecological factors that drive microbial communities in culturally diverse fermented foods
Notice bibliographique
Résumé
BACKGROUND: Fermented foods are increasingly recognized for their health benefits. Historically, cultures worldwide have relied on fermentation to preserve foods and enhance their digestibility, flavor, aromas, and taste. Despite the abundance of global diversity of fermented foods, the microbial communities in traditionally fermented non-European foods remain largely understudied. Here, we characterized the bacterial and fungal communities in 90 plant and animal based fermented foods from Nepal, South Korea, Ethiopia, and Kazakhstan, all traditionally prepared for household consumption. RESULTS: Our results reveal that these foods host diverse and intricately interconnected ecosystems of bacteria and fungi. Beyond the well-known fermenters such as lactic acid bacteria (LABs), Bacillales, and yeasts (Saccharomycetales), these foods contain additional microbes whose roles in fermentation are not well understood. While the microbial compositions of fermented foods vary by geography and preparation methods, the type of food substrate has the most significant effect on differentiating bacterial communities. Vegetable-based ferments harbor bacterial communities consisting primarily of LABs and potential pathways associated with carbohydrates degradation. Contrastingly, legumes and animal-based fermented foods are enriched with Bacillales and protein and lipid degradation pathways. Moreover, the microbial interactions, characterized via bacteria-bacteria and bacteria-fungi co-occurrence networks, differ significantly across traditionally fermented plants, legumes, and dairy products, indicating that microbial ecosystems vary between traditional fermented foods derived from different substrates. CONCLUSION: Our findings highlight the underexplored diversity of microbial communities in traditional fermented foods and underscore the need to understand the entire microbial communities present in these foods and their functions when evaluating their effect on nutrition and health.
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 | 0,001 | 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 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 ».