Oil Field Souring Control by Nitrate-Reducing <i>Sulfurospirillum</i> spp. That Outcompete Sulfate-Reducing Bacteria for Organic Electron Donors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nitrate injection into oil reservoirs can prevent and remediate souring, the production of hydrogen sulfide by sulfate-reducing bacteria (SRB). Nitrate stimulates nitrate-reducing, sulfide-oxidizing bacteria (NR-SOB) and heterotrophic nitrate-reducing bacteria (hNRB) that compete with SRB for degradable oil organics. Up-flow, packed-bed bioreactors inoculated with water produced from an oil field and injected with lactate, sulfate, and nitrate served as sources for isolating several NRB, including Sulfurospirillum and Thauera spp. The former coupled reduction of nitrate to nitrite and ammonia with oxidation of either lactate (hNRB activity) or sulfide (NR-SOB activity). Souring control in a bioreactor receiving 12.5 mM lactate and 6, 2, 0.75, or 0.013 mM sulfate always required injection of 10 mM nitrate, irrespective of the sulfate concentration. Community analysis revealed that at all but the lowest sulfate concentration (0.013 mM), significant SRB were present. At 0.013 mM sulfate, direct hNRB-mediated oxidation of lactate by nitrate appeared to be the dominant mechanism. The absence of significant SRB indicated that sulfur cycling does not occur at such low sulfate concentrations. The metabolically versatile Sulfurospirillum spp. were dominant when nitrate was present in the bioreactor. Analysis of cocultures of Desulfovibrio sp. strain Lac3, Lac6, or Lac15 and Sulfurospirillum sp. strain KW indicated its hNRB activity and ability to produce inhibitory concentrations of nitrite to be key factors for it to successfully outcompete oil field SRB.
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.
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) | 0,001 | 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 découle