Bacterial and Fungal Biomass Responses to Feeding by Larval<i>Aedes triseriatus</i>(Diptera: Culicidae)
Notice bibliographique
Résumé
We investigated the effect of different densities (0, 20, or 40) of developing larval Aedes triseriatus (Say) on bacterial abundance, bacterial productivity, and leaf fungal biomass in a microcosm experiment. Larvae in the low-density treatment developed normally, but larvae at the high density were significantly slower to develop. Both bacterial abundance (direct microscopic counts) and bacterial productivity (3H-leucine incorporation rates) on leaf material were significantly lower in the presence of larvae. Bacterial abundance in the water column did not change significantly with treatment, but bacterial productivity varied with time and declined significantly at both larval densities. Bacteria on the walls and bottom of the containers also were less abundant and significantly less productive in the presence of larvae. Aside from presence/absence effects, there was no clear evidence that larval impacts were density-dependent. Leaf-associated fungal biomass, as measured by ergosterol levels, varied with time but was not significantly affected by any treatment, suggesting most fungal tissue was incorporated in the leaf matrix and unavailable to larvae. Based upon estimated biomass accrual and respiration of larvae, it appears that bacterial biomass and production were insufficient to account for carbon demands of growing larvae. Because fungal biomass and leaf mass likely contributed little to gross larval demands, other carbon sources (e.g., protozoa and extracellular microbial components) were probably used by larvae. Although apparently insufficient for all larval carbon demands, bacterial and leaf fungal biomass may be adequate for other larval nutritional needs (i.e., nitrogen and essential lipids).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,002 | 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 ».