Subsurface Cycling of Nitrogen and Anaerobic Aromatic Hydrocarbon Biodegradation Revealed by Nucleic Acid and Metabolic Biomarkers
Notice bibliographique
Résumé
Microbial processes are crucial for ecosystem maintenance, yet documentation of these processes in complex open field sites is challenging. Here we used a multidisciplinary strategy (site geochemistry, laboratory biodegradation assays, and field extraction of molecular biomarkers) to deduce an ongoing linkage between aromatic hydrocarbon biodegradation and nitrogen cycling in a contaminated subsurface site. Three site wells were monitored over a 10-month period, which revealed fluctuating concentrations of nitrate, ammonia, sulfate, sulfide, methane, and other constituents. Biodegradation assays performed under multiple redox conditions indicated that naphthalene metabolism was favored under aerobic conditions. To explore in situ field processes, we measured metabolites of anaerobic naphthalene metabolism and expressed mRNA transcripts selected to document aerobic and anaerobic microbial transformations of ammonia, nitrate, and methylated aromatic contaminants. Gas chromatography-mass spectrometry detection of two carboxylated naphthalene metabolites and transcribed benzylsuccinate synthase, cytochrome c nitrite reductase, and ammonia monooxygenase genes indicated that anaerobic metabolism of aromatic compounds and both dissimilatory nitrate reduction to ammonia (DNRA) and nitrification occurred in situ. These data link formation (via DNRA) and destruction (via nitrification) of ammonia to in situ cycling of nitrogen in this subsurface habitat, where metabolism of aromatic pollutants has led to accumulation of reduced metabolic end products (e.g., ammonia and methane).
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 | 0,001 |
| 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 ».