Identification of sulfate-reducing bacteria in methylmercury-contaminated mine tailings by analysis of SSU rRNA genes
Notice bibliographique
Résumé
Sulfate-reducing bacteria (SRB) are often used in bioremediation of acid mine drainage because microbial sulfate reduction increases pH and produces sulfide that binds with metals. Mercury methylation has also been linked with sulfate reduction. Previous geochemical analysis indicated the occurrence of sulfate reduction in mine tailings, but no molecular characterization of the mine tailings-associated microbial community has determined which SRB are present. This study characterizes the bacterial communities of two geochemically contrasting, high-methylmercury mine tailing environments, with emphasis on SRB, by analyzing small subunit (SSU) rRNA genes present in the tailings sediments and in enrichment cultures inoculated with tailings. Novel Deltaproteobacteria and Firmicutes-related sequences were detected in both the pH-neutral gold mine tailings and the acidic high-sulfide base-metal tailings. At the subphylum level, the SRB communities differed between sites, suggesting that the community structure was dependent on local geochemistry. Clones obtained from the gold tailings and enrichment cultures were more similar to previously cultured isolates whereas clones from acidic tailings were more closely related to uncultured lineages identified from other acidic sediments worldwide. This study provides new insights into the novelty and diversity of bacteria colonizing mine tailings, and identifies specific organisms that warrant further investigation with regard to their roles in mercury methylation and sulfur cycling in these environments.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».