Temperature sensitivity of soil microbial communities: An application of macromolecular rate theory to microbial respiration
Notice bibliographique
Résumé
Abstract There is compelling evidence that microbial communities vary widely in their temperature sensitivity and may adapt to warming through time. To date, this sensitivity has been largely characterized using a range of models relying on versions of the Arrhenius equation, which predicts an exponential increase in reaction rate with temperature. However, there is growing evidence from laboratory and field studies that observe nonmonotonic responses of reaction rates to variation in temperature, indicating that Arrhenius is not an appropriate model for quantitatively characterizing temperature sensitivity. Recently, Hobbs et al. (2013) developed macromolecular rate theory (MMRT), which incorporates thermodynamic temperature optima as arising from heat capacity differences between isoenzymes. We applied MMRT to measurements of respiration from soils incubated at different temperatures. These soils were collected from three grassland sites across the U.S. Great Plains and reciprocally transplanted, allowing us to isolate the effects of microbial community type from edaphic factors. We found that microbial community type explained roughly 30% of the variation in the CO 2 production rate from the labile C pool but that temperature and soil type were most important in explaining variation in labile and recalcitrant C pool size. For six out of the nine soil × inoculum combinations, MMRT was superior to Arrhenius. The MMRT analysis revealed that microbial communities have distinct heat capacity values and temperature sensitivities sometimes independent of soil type. These results challenge the current paradigm for modeling temperature sensitivity of soil C pools and understanding of microbial enzyme dynamics.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».