On the use of the serial dilution culture method to enumerate viable phytoplankton in natural communities of plankton subjected to ballast water treatment
Notice bibliographique
Résumé
Discharge standards for ballast water treatment (BWT) systems are based on concentrations of living cells, for example, as determined with vital stains. Ultraviolet radiation (UV) stops the reproduction of microorganisms without killing them outright; they are living, but not viable, and ecologically as good as dead. Consequently, UV-treated discharge can be compliant with the intent of regulation while failing a live/dead test. An alternative evaluation of BWT can be proposed based on the assessment of viable, rather than living, cells in discharge water. In principle, the serial dilution culture-most probable number (SDC-MPN) method provides the appropriate measure for phytoplankton. But, the method has been criticized, particularly because it is thought that many phytoplankton species cannot be cultured. A review of the literature shows that although SDC-MPN has been used for more than 50 years-generally to identify and count phytoplankton species that cannot be preserved-its application to enumerate total viable phytoplankton seems to be new, putting past criticisms of the method in a different light. Importantly, viable cells need to grow only enough to be detected, not to be brought into sustained culture, and competition between species in a dilution tube is irrelevant as long as the winner is detectable. Thorough consideration of sources of error leads to recommendations for minimizing and quantifying uncertainties by optimizing growth conditions and conducting systematic comparisons. We conclude that with careful evaluation, SDC-MPN is potentially an effective method for assessing the viability of phytoplankton after BWT.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».