MIRRI-ERIC and MICROBES-4-CLIMATE: advancing culturomics and synthetic communities for climate action
Notice bibliographique
Résumé
This presentation was delivered by Ana Portugal Melo, Executive Director of MIRRI-ERIC, at the 2025 Food System Microbiomes Conference, in Wageningen, The Netherlands. Abstract MIRRI-ERIC, the Microbial Resource Research Infrastructure, is a pan-European ERIC that coordinates microbial Biological Resource Centres and services. It provides access to curated microorganisms, data, and expertise, supporting research, innovation, and European priorities for sustainable food systems and climate action. MICROBES-4-CLIMATE (M4C), coordinated by MIRRI-ERIC, is a Horizon Europe project that brings together leading Research Infrastructures to study soil and plant microbiomes under climate stress. It develops interoperable services, experimental approaches, and data workflows to understand microbial responses to drought, heat, and other factors, strengthening resilience in agroecosystems and related environments. Within M4C, one goal is the establishment and validation of synthetic microbial communities (SMCs). It standardises sampling, isolation, and preservation, identifies new microbial isolates, and designs SMCs with key ecosystem functions that protect plants under stress. These resources and workflows are preserved in partner collections, ensuring long-term availability for research and innovation. In parallel, culturomics provides a complementary approach to broaden the range of microbial strains available for such efforts. By diversifying cultivation conditions and applying high-throughput MALDI-TOF MS dereplication and genome-based identification, it uncovers microbial diversity often missed by conventional approaches. Such strains can enhance soil and plant health, support climate-resilient farming, and accelerate microbiome-based innovation for climate change mitigation. Together, these activities demonstrate how MIRRI-ERIC and its partners advance microbiome research to foster sustainable systems under climate change.
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 | 0,018 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,012 |
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 ».