Water masses and biogeography of picoeukaryote assemblages in a cold hydrographically complex system
Notice bibliographique
Résumé
We investigated the influence of geographic distance, environmental variables, and water mass origin on picoeukaryote (phytoplankton and other protists <3 µm) assemblages to assess the presence of biogeographic patterns. The study region was an area of converging Arctic and Atlantic currents where several distinct water masses were overlain and intersecting. Denaturing gradient gel electrophoresis (DGGE) profiles of assemblages revealed 42 distinct band types overall, with minimum richness (8 band types) in Arctic surface water and Atlantic deep water, and maximum richness (22 band types) in regions of water mass mixing. Sequencing of DGGE bands revealed that most sequences (78 of 98) matched uncultured clones from major taxonomic marine groups, including the Acantharea, Bacillariophyceae, Cercozoa, Chrysophyceae, Dinophyceae, Prasinophyceae, Prymnesiophyceae, and stramenopiles, as well as the novel marine stramenopiles (MAST), alveolate groups I and II, and picobiliphytes. Multivariate statistical analysis of DGGE profiles revealed that picoeukaryote assemblage composition was positively correlated with geographic proximity, abiotic environmental conditions (salinity, photosynthetically active radiation, and transmissivity), and biotic community structure (total phototrophic biomass and size class). Picoeukaryote assemblage similarity was also strongly associated with water mass origin; assemblages in close spatial proximity (horizontally or vertically) showed less similarity if located in different water masses, while spatially distant assemblages showed higher similarity if located within the same water mass. This study highlights that ocean hydrodynamics must be considered to fully explain the distribution and diversity of microbes in this fluid realm.
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 | 0,002 |
| 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) | 0,000 | 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 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 ».