MétaCan
Menu
Retour à la cohorte
Enregistrement W2570729363 · doi:10.1016/j.cub.2016.11.032

Newly discovered deep-branching marine plastid lineages are numerically rare but globally distributed

2017· letter· en· W2570729363 sur OpenAlexaff
Chang Jae Choi, Charles Bachy, Gualtiero Spiro Jaeger, Camille Poirier, Lisa Sudek, V. V. S. S. Sarma, Amala Mahadevan, Stephen J. Giovannoni, Alexandra Z. Worden

Notice bibliographique

RevueCurrent Biology · 2017
Typeletter
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Community Ecology and Physiology
Établissements canadiensCanadian Institute for Advanced Research
Organismes subventionnairesnon disponible
Mots-clésScopusPlastidBiologyDeep seaProductivityBotanyEcologyGeneGeneticsChloroplastMEDLINE

Résumé

récupéré en direct d'OpenAlex

Ocean surface warming is resulting in an expansion of stratified, low-nutrient environments, a process referred to as ocean desertification [1]. A challenge for assessing the impact of these changes is the lack of robust baseline information on the biological communities that carry out marine photosynthesis. Phytoplankton perform half of global biological CO 2 uptake, fuel marine food chains, and include diverse eukaryotic algae that have photosynthetic organelles (plastids) acquired through multiple evolutionary events [1–3]. While amassing data from ocean ecosystems for the Baselines Initiative (6,177 near full-length 16S rRNA gene sequences and 9.4 million high-quality 16S V1-V2 amplicons) we identified two deep-branching plastid lineages based on 16S rRNA gene data. The two lineages have global distributions, but do not correspond to known phytoplankton. How the newly discovered phytoplankton lineages contribute to food chains and vertical carbon export to the deep sea remains unknown, but their prevalence in expanding, low nutrient surface waters suggests they will have a role in future oceans.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,019
Tête enseignante GPT0,264
Écart entre enseignants0,245 · 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

Citations40
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent BiologyMême sujetMicrobial Community Ecology and PhysiologyTravaux en français237 207