Étude de la microflore des fromages du terroir québécois par métabarcoding
Bibliographic record
Abstract
L’industrie des fromages de spécialité occupe une place très importante au Québec. Sa production annuelle représente plus de 60 000 tonnes de fromages. Bien que les produits québécois se démarquent par leur haute qualité, ils manquent parfois de constances au niveau de leurs propriétés sensorielles (goût, odeur, texture, couleur). Ces variations peuvent être expliquées en partie par un déséquilibre de la microflore fromagère (bactéries et mycètes). Bien que la microflore joue un rôle majeur dans le développement des fromages, très peu d’information est disponible sur sa composition (présence et abondance relative des espèces) pour les fromages du terroir québécois. Le but de ce projet de recherche est de développer une méthode de métagénomique ciblée par séquençage massif d’amplicons (metabarcoding) pour faire la caractérisation complète de la microflore de la surface (croûte) et du coeur (pâte) de ces fromages. Le métabarcoding est une méthode d’identification qui utilise une courte séquence d’ADN représentative du génome entier. Les résultats obtenus lors de ce projet montrent que la région V3-V4 de l’ADNr 16S, pour les bactéries, et la région ITS2 de l’espaceur de transcription interne, pour les mycètes, sont les régions qui permettent de dépeindre le portrait le plus fidèle des écosystèmes fromagers. La microflore de 32 fromages du terroir québécois a été caractérisée. Les régions cibles utilisées recensent les genres dominants associés aux écosystèmes fromagers et permettent aussi la détection spécifique de certains genres moins fréquents. Le nombre de genres dominants identifiés est de 20 pour la région V3-V4, de 22 pour la région V6-V8, de 12 pour la région ITS1 et de 13 pour la région ITS2. Il a également été possible de comparer la communauté microbienne de 15 fromages pour deux années de production (2015 et 2018, 30 fromages au total) afin d’observer la variation de la microflore en fonction du temps. Cette étude a permis d’observer que plus de la moitié des écosystèmes étudiés se révèle être constante. Ces nouvelles connaissances permettent de mieux décrire la typicité des fromages québécois et de proposer des leviers technologiques aux artisans pour produire des fromages de haute qualité de façon plus constante.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".