MétaCan
Menu
Retour à la cohorte
Enregistrement W2774377757 · doi:10.1139/er-2017-0047

Biogeochemical sulfur cycling coupling with dissimilatory nitrate reduction processes in freshwater sediments

2017· article· en· W2774377757 sur OpenAlexvenueno aff
Jin Zhu, Yan He, Yishuang Zhu, Minsheng Huang, Yaping Zhang

Notice bibliographique

RevueEnvironmental Reviews · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnammoxBiogeochemical cycleDenitrificationNitrateNitrogen cycleEnvironmental chemistrySulfur cycleCyclingEnvironmental scienceEcologyChemistrySulfurNitrogenDenitrifying bacteriaBiology

Résumé

récupéré en direct d'OpenAlex

Dissimilatory nitrate reduction processes including denitrification, anaerobic ammonium oxidation (ANAMMOX), and dissimilatory nitrate reduction to ammonium (DNRA) are crucial nitrogen (N) cycling pathways in freshwater ecosystems. Denitrification has long been considered as the primary pathway of N loss from aquatic environments. Recently, ANAMMOX and DNRA have been gaining more attention in N dynamics at the sediment–water interface. The ubiquitous presence of various sulfur (S) species in sediments makes them an important role on N transport. Interactions between dissimilatory nitrate reduction and the S cycle are mainly embodied by the inhibitory or promoting effects of sulfide on nitrate-reducing pathways, as well as the competition of sulfate with nitrate reduction for substrates. This review summarizes the current progress in the coupling of S cycling with nitrate-reducing pathways in freshwater sediments, the distribution and diversity of related microorganisms, as well as the functional genes encoding related enzymes. Future perspectives of related research are discussed in terms of coupled N cycling with other element cycles and molecular detection of functional bacteria to better understand and manipulate N cycling in freshwater environments.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,362
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,246
Écart entre enseignants0,226 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations87
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental ReviewsMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207