MétaCan
Menu
Retour à la cohorte
Enregistrement W2743971927 · doi:10.4236/wjet.2017.53b011

Assessment of Microbial Communities and Their Relationship with Enzymatic Activity during Composting

2017· article· en· W2743971927 sur OpenAlexaff
Khoshrooz Kazemi, Baiyu Zhang, Leonard M. Lye

Notice bibliographique

RevueWorld Journal of Engineering and Technology · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueComposting and Vermicomposting Techniques
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMesophileThermophileFood scienceMicrobial population biologyMunicipal solid wasteBacteriaEnzymeChemistryMicroorganismPopulationDehydrogenaseBiologyBiochemistryEcologyMedicine

Résumé

récupéré en direct d'OpenAlex

Microbial communities and enzyme activities are the main players during municipal solid waste (MSW) composting, but the relationship between microbial communities (i.e., mesophilic and thermophilic ones) and enzyme activities (i.e., dehydrogenase, β-glucosidase, phosphatase and urea) has not been well studied. Therefore, the objective of this work is to determine the enzymes profiles during municipal solid waste (MSW) composting and study the relationship between the mesophilic and thermophilic microbial profiles and enzyme activities. MSW was composted in a bench-scale composting reactor. Parameters including temperature, oxygen uptake rate, numbers of microbial populations (mesophilic and thermophilic bacteria and fungi) and enzyme activities were measured. Results showed higher dehydrogenase activities are related to higher numbers of mesophilic bacteria, while higher phosphatase and urea activities are associated with higher numbers of thermophilic fungi and mesophilic bacteria at the later stage of composting. In addition, results of the correlation analysis indicated significant correlations among enzyme activities and microbial population.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,018
Tête enseignante GPT0,233
Écart entre enseignants0,214 · 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

Citations14
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of Engineering and TechnologyMême sujetComposting and Vermicomposting TechniquesTravaux en français237 207