MétaCan
Menu
Retour à la cohorte
Enregistrement W2295319879 · doi:10.3390/agronomy6010019

Root Exudation: The Ecological Driver of Hydrocarbon Rhizoremediation

2016· article· en· W2295319879 sur OpenAlexafffund
Fanny Rohrbacher, Marc St‐Arnaud

Notice bibliographique

RevueAgronomy · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial bioremediation and biosurfactants
Établissements canadiensUniversité de MontréalEspace pour la vie
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGénome QuébecGenome Canada
Mots-clésRhizosphereBioremediationMicrobiomeBiodegradationPhytoremediationNutrientEnvironmental chemistryPolycyclic aromatic hydrocarbonBacteriaChemistrySoil waterBiologyContaminationEcologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

Rhizoremediation is a bioremediation technique whereby microbial degradation of organic contaminants occurs in the rhizosphere. It is considered to be an effective and affordable “green technology” for remediating soils contaminated with petroleum hydrocarbons. Root exudation of a wide variety of compounds (organic, amino and fatty acids, carbohydrates, vitamins, nucleotides, phenolic compounds, polysaccharides and proteins) provide better nutrient uptake for the rhizosphere microbiome. It is thought to be one of the predominant drivers of microbial communities in the rhizosphere and is therefore a potential key factor behind enhanced hydrocarbon biodegradation. Many of the genes responsible for bacterial adaptation in contaminated soil and the plant rhizosphere are carried by conjugative plasmids and transferred among bacteria. Because root exudates can stimulate gene transfer, conjugation in the rhizosphere is higher than in bulk soil. A better understanding of these phenomena could thus inform the development of techniques to manipulate the rhizosphere microbiome in ways that improve hydrocarbon bioremediation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,192
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations177
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgronomyMême sujetMicrobial bioremediation and biosurfactantsTravaux en français237 207