Comparison of Planktonic and Sessile Bacteria Counts Using ATP and DNA Based Methods
Notice bibliographique
Résumé
Abstract Microbiologically influenced corrosion (MIC) is a term used to describe corrosive damage to metals caused by microbes. Corrosion damage is costly to operations, the environment and life. As such, monitoring for, and diagnosing MIC as part of a complete corrosion mitigation strategy is of paramount importance. Traditional MIC diagnostic techniques employ culture-based methods aimed at enumerating microbes presumed to be associated with MIC. Culture-based diagnostics are time consuming and may severely under estimate populations. Moreover, microbes mediating corrosion typically exhibit a sessile lifestyle, yet traditional culture techniques are designed to enumerate planktonic, free floating microbes, thus leading to a disconnect between the assay and reality. As such, culture-independent and genetics-based assays have been developed to allow for the enumeration and identification of microbes associated with MIC. These tests range from field tests such as ATP and Hydrogenase assays to complex lab tests such as fluorescence microscopy and polymerase chain reaction (PCR) based assays. The majority of corrosion is mediated by sessile microbes residing in biofilm on surfaces and underneath corrosion deposits. However, despite the variety of highly accurate testing methods, the data collected is still not representative; planktonic sampling is still far more common than sessile. As planktonic and sessile counts vary widely, only sampling the planktonic population can lead to underestimates of microbial abundance and subsequent mitigation plans may not be designed appropriately. This paper compares planktonic and sessile counts using a variety of testing methods (including culture media, ATP assay and nucleic acid analysis). Data will be presented from a series of case studies including both lab work and field assessments.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».