Drinking water microbiome assembly induced by water stagnation
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
Abstract What happens to tap water when you are away from home? Day-to-day water stagnation in building plumbing can potentially result in water quality deterioration (e.g., lead release or pathogen proliferation), which is a major public health concern. However, little is known about the microbial ecosystem processes in plumbing systems, hindering the development of biological monitoring strategies. Here, we track tap water microbiome assembly in situ, showing that bacterial community composition changes rapidly from the city supply following ~6-day stagnation, along with an increase in cell count from 103 cells/mL to upwards of 7.8 × 105 cells/mL. Remarkably, bacterial community assembly was highly reproducible in this built environment system (median Spearman correlation between temporal replicates = 0.78). Using an island biogeography model, we show that neutral processes arising from the microbial communities in the city water supply (i.e., migration and demographic stochasticity) explained the island community composition in proximal pipes (Goodness-of-fit = 0.48), yet declined as water approached the faucet (Goodness-of-fit = 0.21). We developed a size-effect model to simulate this process, which indicated that pipe diameter drove these changes by mediating the kinetics of hypochlorite decay and cell detachment, affecting selection, migration, and demographic stochasticity. Our study challenges current water quality monitoring practice worldwide which ignore biological growth in plumbing, and suggests the island biogeography model as a useful framework to evaluate building water system quality.
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 | 0,001 | 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 | 0,001 | 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) | 0,015 | 0,003 |
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