Distribution of typical denitrifying functional genes and diversity of the <i>nirS</i> -encoding bacterial community related to environmental characteristics of river sediments
Notice bibliographique
Résumé
Abstract. Denitrification in river sediments leads to nitrate removal from the aquatic system; therefore, it is necessary to understand functional diversity of denitrifier communities in the system. Sediment samples (0–25 cm depth) were collected from three typical locations along the Pearl River. The real-time PCR approach was used to measure the abundance of nitrate (narG), nitrite (nirS, nirK and nrfA), and nitrous oxide (nosZ) reductase genes from the sediment samples. Assemblages of nirS, nirK and nosZ indicated that complete denitrification occurred in sediment cores, with the greatest number of gene copies from 5–15 cm depth. Dissimilatory nitrate reduction appeared to be important below 15 cm depth, based on increasing gene copies of narG and nrfA with sediment depth. There was a close match (78–94 %) between the nirS sequences recovered from the Pearl River sediment and those detected in estuarine and marine sediments as well as active sludge, suggesting that the nitrogen source in the Pearl River sediment was affected by domestic sewage inputs and irregular tides. Canonical correspondence analysis indicated that the spatial distribution of denitrifying bacteria was highly correlated with dissolved inorganic nitrogen (including NH4+, NO2− and NO3−) concentrations in sediment. It was concluded that the difference in dissolved inorganic nitrogen concentrations along the sediment profile influenced the distribution of denitrifying genes and the nirS-encoding denitrifier community in the river sediment. In addition, a variety of novel denitrifying bacteria were revealed in the river sediment.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».