Iron and iron‐binding ligands as cofactors that limit cyanobacterial biomass across a lake trophic gradient
Notice bibliographique
Résumé
Summary The frequency and intensity of cyanobacterial blooms (cyanoblooms) is increasing globally. While cyanoblooms in eutrophic (nutrient‐rich) freshwater lakes are expected to persist and worsen with climate change projections, many of the ‘new’ cyanobloom reports pertain to oligotrophic (nutrient‐poor) freshwater lakes with no prior history of cyanobloom occurrence. Iron ( F e) is required in nearly all pathways of cyanobacterial macronutrient use, although its precise role in regulating cyanobacterial biomass across a lake trophic gradient is not fully understood. In all lakes sampled representing a gradient in trophic status from oligotrophic to hypereutrophic (2.2–561.2 μg L −1 total phosphorus), the relative cyanobacterial biomass was highest at low predicted Fe bioavailability in eutrophic A lberta lakes (<1.0 × 10 −22 mol L −1 ) and low F e concentration in oligotrophic O ntario L akes (<3.2 μg L −1 ). Fe‐binding organic ligands were measured within this range of low bioavailable F e. Concentrations of ligands with reactive hydroxamate moieties were positively correlated to cyanobacterial biomass in lakes with low F e bioavailability and supply, suggesting a possible cellular origin (i.e. siderophores) mediated by low F e. These findings suggest that F e serves as a possible cofactor that maintains cyanobacterial biomass across a lake trophic gradient and that cyanobacteria invoke a similar F e‐scavenging system to overcome F e limitation in lakes of all trophic states.
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) | 0,001 | 0,001 |
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 ».