MétaCan
Menu
Retour à la cohorte
Enregistrement W1994475966 · doi:10.1080/00219266.2010.9656220

Teaching the microbial growth curve concept using microalgal cultures and flow cytometry

2010· article· en· W1994475966 sur OpenAlexaff
Nathalie L. Forget, Claude Belzile, Pierre Rioux, Christian Nozais

Notice bibliographique

RevueJournal of Biological Education · 2010
Typearticle
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésFlow cytometryBiologyBiological systemIsochrysis galbanaHemocytometerMicroorganismBacterial growthMicrobial ecologyBacteriaBotanyAlgaeFood scienceBiochemistryMolecular biology

Résumé

récupéré en direct d'OpenAlex

The microbial growth curve is widely studied within microbiology classes and bacteria are usually the microbial model used. Here, we describe a novel laboratory protocol involving flow cytometry to assess the growth dynamics of the unicellular microalgae Isochrysis galbana. The algal model represents an appropriate alternative to bacteria because its slower growth rate allows a better visualization of the growth phases, which makes the logistic of the laboratory sessions easier. Flow cytometry is a technique commonly used for cell enumeration in ecology, microbiology, and medical sciences because of its accuracy and speed. In this experiment, microbial growth was observed under two light conditions and cell abundance was monitored using a flow cytometer and a haemocytometer. The chlorophyll a fluorescence of each cell was also measured by the flow cytometer and was used as an index of cellular content of photosynthetic pigments. Students were asked to compare the results obtained with the two techniques and to explain the effect of light conditions on the growth curve shape and dynamics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,294
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biological EducationMême sujetAlgal biology and biofuel productionTravaux en français237 207