MétaCan
Menu
Retour à la cohorte
Enregistrement W1998859360 · doi:10.1111/j.1574-6941.2012.01298.x

Archaeal abundance in relation to root and fungal exudation rates

2012· article· en· W1998859360 sur OpenAlexfundno aff
Anna Karlsson, Tomas Johansson, Per Bengtson

Notice bibliographique

RevueFEMS Microbiology Ecology · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Community Ecology and Physiology
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaVetenskapsrådet
Mots-clésBiologyArchaeaMicrocosmAbundance (ecology)BotanyEcologyMycorrhizaEctomycorrhizaBacteriaSymbiosis

Résumé

récupéré en direct d'OpenAlex

Archaea are ubiquitous in forest soils, but little is known about the factors regulating their abundance and distribution. Low molecular weight organic compounds represent an important energy source for archaea in marine environments, and it is reasonable to suspect that archaeal abundance is dependent on such compounds in soils as well, represented by, for example, plant and fungal exudates. To test this hypothesis, we designed a microcosm experiment in which we grew ponderosa pine, sitka spruce, and western hemlock in forest soil. Root and mycorrhizal exudation rates were estimated in a 13C pulse-chase experiment, and the number of archaeal and bacterial 16S rRNA genes was determined by qPCR. Archaeal abundance differed among plant species, and the number of archaeal 16S rRNA genes was generally lower in soil receiving high concentration of exudates. The mycorrhizal fungi of ponderosa pine seemed to favor archaea, while no such effect was found for mycorrhized sitka spruce or western hemlock. The low abundance of archaea in the proximity of roots and mycorrhiza may be a result of slow growth rates and poor competitive ability of archaea vs. bacteria and does not necessarily reflect a lack of heterotrophic abilities of the archaeal community.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,241
Écart entre enseignants0,230 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations61
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFEMS Microbiology EcologyMême sujetMicrobial Community Ecology and PhysiologyTravaux en français237 207