Predicting survival of a genetically engineered microorganism, <i>Pseudomonas chlororaphis </i>3732RN-L11, in soil and wheat rhizosphere across Canada with linear multiple regression models
Notice bibliographique
Résumé
Pseudomonas chlororaphis 3732RN-L11 survival rates in soil and wheat rhizosphere were measured using intact soil core microcosms representing 23 sites across Canada. Linear multiple regression (LMR) models were developed to predict the survival rate of this genetically engineered microorganism (GEM) as a function of soil parameters measured at the time of microcosm inoculation. LMR models were tested by comparing their predicted survival rates with observed survival rates from environmental introductions of the GEM by Gagliardi et al. (2001) at five field sites across Canada over two years. No soil parameter (e.g., % clay) was highly correlated with GEM survival rates in soil or wheat rhizosphere. Total fungal colony-forming units (CFUs), % soil titanium (positive correlations), and % soil magnesium (negative correlation) were found to be the best LMR predictors of GEM survival rates in soil over two years. Total soil bacterial CFUs, nitrate, % soil potassium (positive correlations), and exchangeable magnesium (negative correlation) were found to be the best LMR predictors of GEM survival rate in wheat rhizosphere over two years. While LMR models were statistically significant, they were unable to reliably predict the survival rate of the GEM in field trial introductions. The results indicate that there can be considerable uncertainty associated with predicting GEM survival for multi-site environmental introductions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».