Influence of geogenic factors on microbial communities in metallogenic Australian soils
Notice bibliographique
Résumé
Links between microbial community assemblages and geogenic factors were assessed in 187 soil samples collected from four metal-rich provinces across Australia. Field-fresh soils and soils incubated with soluble Au(III) complexes were analysed using three-domain multiplex-terminal restriction fragment length polymorphism, and phylogenetic (PhyloChip) and functional (GeoChip) microarrays. Geogenic factors of soils were determined using lithological-, geomorphological- and soil-mapping combined with analyses of 51 geochemical parameters. Microbial communities differed significantly between landforms, soil horizons, lithologies and also with the occurrence of underlying Au deposits. The strongest responses to these factors, and to amendment with soluble Au(III) complexes, was observed in bacterial communities. PhyloChip analyses revealed a greater abundance and diversity of Alphaproteobacteria (especially Sphingomonas spp.), and Firmicutes (Bacillus spp.) in Au-containing and Au(III)-amended soils. Analyses of potential function (GeoChip) revealed higher abundances of metal-resistance genes in metal-rich soils. For example, genes that hybridised with metal-resistance genes copA, chrA and czcA of a prevalent aurophillic bacterium, Cupriavidus metallidurans CH34, occurred only in auriferous soils. These data help establish key links between geogenic factors and the phylogeny and function within soil microbial communities. In particular, the landform, which is a crucial factor in determining soil geochemistry, strongly affected microbial community structures.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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 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 ».