Organic matter diagenesis and bacterial contributions to detrital carbon and nitrogen in the Amazon River system
Notice bibliographique
Résumé
Amino sugars and amino acids, including the bacterial biomarkers muramic acid and D‐amino acids, were measured to investigate the diagenetic alterations of and microbial contributions to detrital organic matter in the Amazon River system. Three size fractions of detrital material were analyzed: coarse and fine particulate organic matter (CPOM and FPOM), and ultrafiltered dissolved organic matter (UDOM). CPOM was depleted in amino sugars and had high percentages of total N as amino acids (32‐37%), consistent with relatively fresh plant debris being a major source of CPOM. FPOM had the highest percentages of total C as amino acids (5‐8%), and its composition appeared to be influenced by the preferential sorption of N‐containing molecules. UDOM had the highest percentages of total N as amino sugars (up to 2.3%) indicating the relatively important contributions from microorganisms. A consistent trend of increasing proportions of D‐amino acids among detrital size fractions, CPOM < FPOM < UDOM, suggests this parameter is a useful diagenetic indicator. About 4‐17% of the C and 17‐37% of the N in FPOM and CPOM were of bacterial origin based on D‐alanine and D‐glutamic acid yields. Similar bacterial contributions to UDOM were evident from the biomarker data, but they were not quantified due to insufficient information about representative yields of source biomarkers. Relationships between biomarker N and total N suggest that microbial activity influences the N content of detrital material. Bacterial contributions to detrital material were primarily as cellular remnants rather than living cells.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».