Ice‐active characteristics of soil bacteria selected by ice‐affinity
Notice bibliographique
Résumé
As an initial screen for microorganisms that produce ice-active macromolecules, ice-affinity was used to select microorganisms from soil consortia originating from three temperate regions. Once selected and subsequently purified to single colonies, these microbes were putatively identified by 16S ribosomal RNA sequencing and assayed for various ice-active properties. Ice-affinity selection appeared to select for bacteria with ice-associating activities: inhibition of ice recrystallization; ice nucleation; ice shaping. Although none of these activities were observed in Paenibacillus amyloliticus C8, others such as Chryseobacterium sp. GL8, demonstrated both ice recrystallization inhibition and ice-shaping activities. Pseudomonas borealis DL7 was classified as a type I ice nucleator, Flavobacterium sp. GL7, was identified as a type III ice nucleator and Acinetobacter radioresistens DL5 demonstrated ice recrystallization inhibition. In all, 19 different culturable bacteria were selected from the thousands of microbes in late-summer collected soil samples. Many of the selected microbes have been previously reported in glacial ice cores or polar sea ice, and of five isolates that were further characterized, four showed ice-associating activities. These results indicate the significant potential of ice-affinity selection even with temperate climate soils, suggesting that sampling in more extreme and remote areas is not required for the isolation of ice-active bacteria.
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) | 0,013 | 0,002 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».