Développement d'outils moléculaires pour déterminer les niveaux d'activité des groupes bactériens présents dans le lisier de porc
Bibliographic record
Abstract
La production porcine représente une part importante de l'économie au Québec. Bien que l'on note une diminution du nombre de fermes possédant des porcs, celles qui demeurent se spécialisent et augmentent leur volume. La bonne gestion du lisier produit est par conséquent impérative pour le maintien de la santé des sols et des cours d'eau en plus d'une bonne qualité de l'air. Les odeurs et autres composés nuisibles sont produits lors de la dégradation anaérobie de la matière organique par les microorganismes indigènes au système digestif. Les études portant sur les communautés microbiennes du système digestif et du lisier de porc sont encore peu nombreuses. La connaissance de cette population microbienne et la compréhension de leurs interactions sont fondamentales dans l'élaboration des techniques de traitement. L'une de ces méthodes de traitement est la digestion anaérobie effectuée par un bioréacteur. Pour étudier les communautés mibrobiennes, l'utilisation de méthodes moléculaires, telles [i.e. tels] l'hétérogénéité des longueurs d'amplicon PCR (LH-PCR) et le polymorphisme des longueurs de fragment terminal de restriction (T-RFLP), permet la détection d'organismes non-cultivables en laboratoire. Le projet présenté dans ce mémoire vise à démontrer l'efficacité de ces deux techniques d'empreintes à ADN (profils de phylotypes) dans l'étude des dynamiques de communautés microbiennes dans le lisier de porc, ainsi que la quantification de certains groupes microbiens par PCR en temps réel. Il vise également à caractériser les microorganismes métaboliquement actifs via l'analyse de l'ARN ribosomal (ARNr) 16S. De plus, ce travail veut montrer l'utilité de différentes analyses statistiques permettant le traitement des nombreuses données produites de manière à en dégager des interprétations sur le dynamisme microbien. Pour atteindre ces objectifs, deux approches expérimentales ont été utilisées. La première approche consistait à l'étude de la dynamique des communautés microbiennes d'un bioréacteur à huit compartiments à écoulement piston. La seconde visait à déterminer les différences de population entre des lisiers bruts prélevés à la ferme. Les résultats obtenus du traitement par bioréacteur ont montré une spécialisation des compartiments dans la digestion de la matière organique. Durant les six mois d'opération, chaque compartiment s'est spécialisé et a favorisé le développement d'une population qui lui était propre et présentait différents niveaux d'acides gras volatils (AGV) et de dégagement de méthane. Des phylotypes qui pourraient expliquer la différence entre les profils obtenus ont été identifiés. De plus, des profils semblables ont été correlés [i.e. corrélés] à la production d'acides gras volatils ou de méthane. La seconde approche expérimentale portait sur la caractérisation de trois lisiers bruts prélevés à un mois d'intervalle et provenant des opérations de finition, ainsi que d'un mélange de lisiers de finition et de maternité. Les analyses des profils de phylotypes obtenus ont mené à la conclusion que la structure des communautés bactériennes et archaebactériennes des trois lisiers de porc provenant des opérations de finition étaient semblables mais se distinguaient de celle du lisier mixte provenant des opérations de finition et de maternité. De plus, ces analyses ont permis de faire la détection de changements subtils entre les échantillons. Dans ce travail, il a été montré que l'étude au niveau de l'ARNr des bactéries était plus appropriée qu'au niveau de l'ADNr. En effet, les résultats obtenus pour ces deux cibles étaient différents. L'utilisation de l'ARNr a permis d'observer plus précisément les changements des bactéries métaboliquement actives. Par contre, la différence entre les résultats de l'ADNr et l'ARNr pour les archaebactéries était beaucoup moins marquée. Finalement, l'utilisation d'outils statistiques tels que les indices de diversité, l'analyse en composantes principales (PCA), le positionnement multidimensionnel non-métrique (NMS), l'UPGMA (unweighted pair group method with arithmetic mean) ainsi que l'analyse des espèces indicatrices (ISA) a confirmé leur utilité dans l'analyse des données complexes et la visualisation des résultats obtenus.
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 | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".