Predictable bacterial composition and hydrocarbon degradation in Arctic soils following diesel and nutrient disturbance
Notice bibliographique
Résumé
Increased exploration and exploitation of resources in the Arctic is leading to a higher risk of petroleum contamination. A number of Arctic microorganisms can use petroleum for growth-supporting carbon and energy, but traditional approaches for stimulating these microorganisms (for example, nutrient addition) have varied in effectiveness between sites. Consistent environmental controls on microbial community response to disturbance from petroleum contaminants and nutrient amendments across Arctic soils have not been identified, nor is it known whether specific taxa are universally associated with efficient bioremediation. In this study, we contaminated 18 Arctic soils with diesel and treated subsamples of each with monoammonium phosphate (MAP), which has successfully stimulated degradation in some contaminated Arctic soils. Bacterial community composition of uncontaminated, diesel-contaminated and diesel+MAP soils was assessed through multiplexed 16S (ribosomal RNA) rRNA gene sequencing on an Ion Torrent Personal Genome Machine, while hydrocarbon degradation was measured by gas chromatography analysis. Diversity of 16S rRNA gene sequences was reduced by diesel, and more so by the combination of diesel and MAP. Actinobacteria dominated uncontaminated soils with <10% organic matter, while Proteobacteria dominated higher-organic matter soils, and this pattern was exaggerated following disturbance. Degradation with and without MAP was predictable by initial bacterial diversity and the abundance of specific assemblages of Betaproteobacteria, respectively. High Betaproteobacteria abundance was positively correlated with high diesel degradation in MAP-treated soils, suggesting this may be an important group to stimulate. The predictability with which bacterial communities respond to these disturbances suggests that costly and time-consuming contaminated site assessments may not be necessary in the future.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».