MétaCan
Menu
Retour à la cohorte
Enregistrement W2326097434 · doi:10.1021/es400835t

Kinetics Analysis of a Salt-Tolerant Perchlorate-Reducing Bacterium: Effects of Sodium, Magnesium, and Nitrate

2013· article· en· W2326097434 sur OpenAlexaff
Yeyuan Xiao, Deborah J. Roberts

Notice bibliographique

RevueEnvironmental Science & Technology · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueChemical Analysis and Environmental Impact
Établissements canadiensUniversity of British Columbia, Okanagan Campus
Organismes subventionnairesnon disponible
Mots-clésMagnesium nitrateMagnesiumNitrateSodium nitratePerchlorateSalt (chemistry)ChemistryKineticsSodiumSodium perchlorateInorganic chemistryBacteriaEnvironmental chemistryNuclear chemistryBiologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Salt-tolerant perchlorate-reducing bacteria can be used to regenerate ion-exchange brines or resins exhausted with perchlorate. A salt-tolerant perchlorate-reducing Marinobacter vinifirmus strain P4B1 was recently purified. This study determined the effects of Na(+) and Mg(2+) concentrations on the perchlorate reduction rate of P4B1. The results showed that strain P4B1 could utilize perchlorate and grow in the presence of 1.8% to 10.2% NaCl. Lower NaCl concentrations allowed faster perchlorate reduction. The addition of Mg(2+) to the culture showed significant effects on perchlorate reduction when perchlorate was the sole electron acceptor. A molar Mg(2+)/Na(+) ratio of ∼0.11 optimized perchlorate degradation and cell growth. When perchlorate and nitrate were both present, nitrate reduction did not start significantly until perchlorate was below 100 mg/L. Tests with washed cell suspensions indicated that strain P4B1 had both perchlorate and nitrate reduction enzymes. When the culture was exposed to both perchlorate and nitrate, the nitrate reduction enzyme activity was low. The maximum specific substrate utilization rate (Vm) and the half saturation coefficient (KS) for P4B1 (30 g/L NaCl) determined in this study were 0.049 ± 0.003 mg ClO4(-)/mg VSS-h and 18 ± 4 mg ClO4(-)/L, respectively.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,003
Tête enseignante GPT0,189
Écart entre enseignants0,186 · 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

Citations32
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetChemical Analysis and Environmental ImpactTravaux en français237 207