Chemical dispersants enhance the activity of oil- and gas condensate-degrading marine bacteria
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Application of chemical dispersants to oil spills in the marine environment is a common practice to disperse oil into the water column and stimulate oil biodegradation by increasing its bioavailability to indigenous bacteria capable of naturally metabolizing hydrocarbons. In the context of a spill event, the biodegradation of crude oil and gas condensate off eastern Canada is an essential component of a response strategy. In laboratory experiments, we simulated conditions similar to an oil spill with and without the addition of chemical dispersant under both winter and summer conditions and evaluated the natural attenuation potential for hydrocarbons in near-surface sea water from the vicinity of crude oil and natural gas production facilities off eastern Canada. Chemical analyses were performed to determine hydrocarbon degradation rates, and metagenome binning combined with metatranscriptomics was used to reconstruct abundant bacterial genomes and estimate their oil degradation gene abundance and activity. Our results show important and rapid structural shifts in microbial populations in all three different oil production sites examined following exposure to oil, oil with dispersant and dispersant alone. We found that the addition of dispersant to crude oil enhanced oil degradation rates and favored the abundance and expression of oil-degrading genes from a Thalassolituus sp. (that is, metagenome bin) that harbors multiple alkane hydroxylase (alkB) gene copies. We propose that this member of the Oceanospirillales group would be an important oil degrader when oil spills are treated with dispersant.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle