MétaCan
Menu
Retour à la cohorte
Enregistrement W2098397698 · doi:10.1016/j.femsec.2004.11.017

Effects of the humic substances of de-inking paper sludge on the antagonism between two compost bacteria and Pythium ultimum

2004· article· en· W2098397698 sur OpenAlexaff
Chantal J. Beauchamp, Hani Antoun

Notice bibliographique

RevueFEMS Microbiology Ecology · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueNematode management and characterization studies
Établissements canadiensUniversité LavalMinistère de l'Agriculture, des Pêcheries et de l'Alimentation
Organismes subventionnairesnon disponible
Mots-clésPythium ultimumAntagonismBiologyCompostBacteriaSiderophoreFood scienceMicrobiologyPseudomonasPseudomonadalesHumic acidBotanyBiochemistryBiological pest controlAgronomy

Résumé

récupéré en direct d'OpenAlex

We investigated the in vitro influence of humic substances (HS) extracted from de-inking paper sludge compost on the inhibition of Pythium ultimum by two compost bacteria, Rhizobium radiobacter (Agrobacterium radiobacter) and Pseudomonas aeruginosa. When low concentrations (5 or 50 mg l(-1)) of HS were added to the culture medium, fungal inhibition by R. radiobacter significantly increased (P<0.01) by 2-3%. In contrast, these low levels of HS had no effect on P. ultimum inhibition by P. aeruginosa. The Fe, chelated by HS, was in part responsible for the decrease of P. ultimum inhibition by the bacteria when increasing amounts of HS were added in the culture medium. The addition of 500 mg l(-1) of humic acids isolated from de-inking paper sludge compost or from fossil origin completely eliminated the inhibition of P. ultimum by R. radiobacter. This Fe effect also stimulated growth of R. radiobacter and reduced its siderophore production in a minimal medium supplemented with HS as sole source of Fe. The results showed that HS influence microbial antagonism when added to a culture medium. However, this effect varies with different factors such as the type of bacteria, concentration of HS, molecular weight and Fe content.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,010
Tête enseignante GPT0,204
Écart entre enseignants0,195 · 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'étudeExpérimental (laboratoire)
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

Citations64
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFEMS Microbiology EcologyMême sujetNematode management and characterization studiesTravaux en français237 207