Additional file 2 of An integrated gene catalog and over 10,000 metagenome-assembled genomes from the gastrointestinal microbiome of ruminants
Notice bibliographique
Résumé
Additional file 1: Fig. S1. Computational pipeline for gene catalog and assembly of MAGs. Fig. S2. DNA contamination statistics. Fig. S3. Assembly statistics. Fig. S4. Comparison of the RGMGC to the public datasets. Fig. S5. Coverage of the RGMGC. Fig. S6. Comparison of the dominant microbial taxa at the genus level among GIT regions. Fig. S7. Functional structure of the GIT microbiome. Fig. S8. Gene diversity in microbial communities across the ruminant GIT. Fig. S9. CheckM quality assessment. Fig. S10. Distribution of 10,373 genomes across the ruminant GIT. Fig. S11. Variations in enrichment of MAGs among GIT regions. Fig. S12. Comparative analysis of genomes of the CAG-110 genus. Fig. S13. Species-level clustering of reference genomes and MAGs. Fig. S14. Distribution of the 8,745 USGs across the ruminant GIT. Fig. S15. Taxonomic composition of the 8,745 USGs. Fig. S16. Biosynthetic gene clusters found in the human gut species. Fig. S17. Differences in GP profiles between the USGs and RCGs. Fig. S18. Comparison of the USGs and RCGs in the prevalent phyla. Fig. S19. Phylogenetic tree of the 194 proteobacteria genomes. Fig. S20. Phylogenetic tree of mutualistic archaea. Fig. S21. Distributions of hydrogenases and associated terminal reductases in the 10,373 MAGs. Fig. S22. Associations of GIT microbial species with cattle feed efficiency (FE).
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,758 | 0,171 |
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 ».