MétaCan
Menu
Retour à la cohorte
Enregistrement W2299572604 · doi:10.3389/fmicb.2016.00419

Microbial Communities in a High Arctic Polar Desert Landscape

2016· article· en· W2299572604 sur OpenAlexaff
Clare M. McCann, Matthew J. Wade, Neil Gray, Jennifer Roberts, Casey R. J. Hubert, David W. Graham

Notice bibliographique

RevueFrontiers in Microbiology · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversity of Calgary
Organismes subventionnairesEngineering and Physical Sciences Research CouncilNatural Environment Research CouncilSight Research UK
Mots-clésArcticDesert (philosophy)PolarEcologyGeographyThe arcticPhysical geographyBiologyEnvironmental scienceOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

The High Arctic is dominated by polar desert habitats whose microbial communities are poorly understood. In this study, we used next generation sequencing to describe the α- and β-diversity of microbial communities in polar desert soils from the Kongsfjorden region of Svalbard. Ten phyla dominated the soils and accounted for 95% of all sequences, with the Proteobacteria, Actinobacteria, and Chloroflexi being the major lineages. In contrast to previous investigations of Arctic soils, relative Acidobacterial abundances were found to be very low as were the Archaea throughout the Kongsfjorden polar desert landscape. Lower Acidobacterial abundances were attributed to characteristic circumneutral soil pHs in this region, which has resulted from the weathering of underlying carbonate bedrock. In addition, we compared previously measured geochemical conditions as possible controls on soil microbial communities. Phosphorus, pH, nitrogen, and calcium levels all significantly correlated with β-diversity, indicating landscape-scale lithological control of available nutrients, which in turn, significantly influenced soil community composition. In addition, soil phosphorus and pH significantly correlated with α-diversity, particularly with the Shannon diversity and Chao 1 richness indices.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,204
Écart entre enseignants0,188 · 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'étudeObservationnel
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

Citations41
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MicrobiologyMême sujetClimate change and permafrostTravaux en français237 207