Effects of temperature on growth rate, cell composition and nitrogen metabolism in the marine diatom Thalassiosira pseudonana (Bacillariophyceae)
Notice bibliographique
Résumé
Although temperature effects on phytoplankton growth and photosynthesis can be clearly demonstrated in the laboratory, their relevance in the field is much harder to establish. Recently, however, it has been recognized that temperature has a significant influence on nitrogen uptake. In particular, temperate marine diatom species may be limited by their ability to acquire nitrate at temperatures above approximately 16C. In order to explore this idea, we grew the diatom Thalassiosira pseudonana at 8, 17 and 25C, and compared cell composition, and rates of growth (), 15 N incorporation, calculated nitrate incorporation (the product of and cell N content), and the activity of nitrate reductase (NR), a key enzyme involved in nitrate incorporation. Cell N content, protein and volume remained relatively constant across different temperatures, but cell C, chlorophyll a (chl a), and C:N ratio increased with increasing temperature, suggesting that C metabolism was affected more strongly than N metabolism. Classical temperature models suggested that growth and various indices of nitrate metabolism all responded to temperature, with Q 10 values of close to 2 over the whole temperature range. However, Q 10 values over the interval from 8 to 17C were higher than 2 and much lower than 2 between 17 and 25C. Limitations to the Q 10 concept are considered. Temperature effects on different measures of nitrate metabolism were very similar, supporting the hypothesis that the effects of temperature on diatom nitrate metabolism are mediated at the level of NR activity. Recent biochemical data for NR also supports this idea.
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 | 0,000 |
| 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 ».