Sinking towards destiny: High throughput measurement of phytoplankton sinking rates through time-resolved fluorescence plate spectroscopy
Notice bibliographique
Résumé
Diatoms are marine primary producers that sink in part due to the density of their silica frustules. Sinking of these phytoplankters is crucial for both the biological pump that sequesters carbon to the deep ocean and for the life strategy of the organism. Sinking rates have been previously measured through settling columns, or with fluorimeters or video microscopy arranged perpendicularly to the direction of sinking. These side-view techniques require large volumes of culture, specialized equipment and are difficult to scale up to multiple simultaneous measures for screening. We established a method for parallel, large scale analysis of multiple phytoplankton sinking rates through top-view monitoring of chlorophyll a fluorescence in microtitre well plates. We verified the method through experimental analysis of known factors that influence sinking rates, including exponential versus stationary growth phase in species of different cell sizes; Thalassiosira pseudonana CCMP1335, chain-forming Skeletonema marinoi RO5A and Coscinodiscus radiatus CCMP312. We fit decay curves to an algebraic transform of the decrease in fluorescence signal as cells sank away from the fluorometer detector, and then used minimal mechanistic assumptions to extract a sinking rate (m d-1) using an RStudio script, SinkWORX. We thereby detected significant differences in sinking rates as larger diatom cells sank faster than smaller cells, and cultures in stationary phase sank faster than those in exponential phase. Our sinking rate estimates accord well with literature values from previously established methods. This well plate-based method can operate as a high throughput integrative phenotypic screen for factors that influence sinking rates including macromolecular allocations, nutrient availability or uptake rates, chain-length or cell size, degree of silification and progression through growth stages. Alternately the approach can be used to phenomically screen libraries of mutants.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».