Comparative Genomics Analysis of Enterocloster spp. Genomes for the Presence of ucd and uxd Operons
Notice bibliographique
Résumé
Dataset for the analysis of Enterocloster spp. genomes for the presence/absence of ucd and uxd operons. Entry includes R code, RData, tables, FASTA queries (operon sequences), and Enterocloster spp. genomes from the NCBI genomes database. The results from the analysis are summarized in the operon_prevalence_by_accession_GTDB_sorted.csv file. General Methods: The analysis of ucd and uxd operon presence in Enterocloster spp. genomes was done by first downloading all available (n = 452) Enterocloster spp. genome sequences (FASTA format) from the NCBI genomes database (excluding atypical genomes) [https://www.ncbi.nlm.nih.gov/datasets/genome/?taxon=2719313&typical_only=true] (Accessed 01-08-2025). All FASTA files with GenBank GCA accessions were retained for further analysis (n = 452). The Genome Taxonomy Database (GTDB) table for Enterocloster spp. (release 10-RS226 (16-04-2025)) was downloaded from [https://gtdb.ecogenomic.org/searches?s=al&q=Enterocloster] (Accessed 02-08-2025). Each genome was queried using rBLAST (v1.2.0, DOI: 10.18129/B9.bioc.rBLAST) for matches to the E. bolteae ucd operon and E. asparagiformis uxd operon nucleotide sequences with criteria: -perc_identity 60 -max_target_seqs 5 -subject_besthit. Matches were further filtered for length > 300 bases to exclude small fragments. NCBI GenBank accessions for all queries without GTDB taxonomy or the "Undefined (Failed Quality Check)" flag were removed from further analyses, yielding a total of n = 329 genomes. Presence/absence of each operon was plotted in ggplot2 (v.3.5.2).
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,007 |
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 ».