MétaCan
Menu
Retour à la cohorte
Enregistrement W2329559621 · doi:10.1002/2015wr017821

Comparison of the transport and deposition of <i>Pseudomonas aeruginosa</i> under aerobic and anaerobic conditions

2016· article· en· W2329559621 sur OpenAlexafffund
Huixin Zhang, Hongbo Zeng, Ania C. Ulrich, Yang Liu

Notice bibliographique

RevueWater Resources Research · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrokinetic Soil Remediation Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésElectrokinetic phenomenaAnaerobic exerciseIonic strengthDLVO theoryX-ray photoelectron spectroscopySurface chargeDeposition (geology)ChemistryOxygenAnalytical Chemistry (journal)Chemical engineeringMaterials scienceEnvironmental chemistryPhysical chemistryGeologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Laboratory‐scale columns were employed to study the effect of oxygen and ionic strength on the transport of Pseudomonas aeruginosa PAO1 in porous media. In anaerobic experiments, cells were grown and transport experiments were conducted in a well‐controlled anaerobic chamber. Cell surface electrokinetic potentials were measured and surface elemental composition was analyzed using X‐ray photoelectron spectroscopy (XPS). Transport experimental results showed reduced travel distance of PAO1 with increased ionic strength under aerobic and anaerobic conditions, consistent with calculated Derjaguin‐Landau‐Verwey‐Overbeek (DLVO) theory. The deposition rates of PAO1 were significantly higher in aerobic than in anaerobic condition at higher ionic strength (10 and 100 m M ), although the electrokinetic potentials were similar throughout the tested ionic strength (1, 10, and 100 m M ). No difference in PAO1 deposition rate was observed at 1 m M . XPS analysis showed that variation in cell surface composition due to different growth conditions played a primary role in determining the different deposition behaviors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,038
Score d'incertitude au seuil0,179

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,026
Tête enseignante GPT0,305
Écart entre enseignants0,278 · 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 tête enseignante, 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

Citations8
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetElectrokinetic Soil Remediation TechniquesTravaux en français237 207