From Thoreau’s woods to the Canary Islands: exploring ocean biogeochemistry through enzymology
Notice bibliographique
Résumé
Abstract This essay relates my odyssey in exploring enzyme reactions as oceanographic rate proxies and describes my scientific contributions since 1963. To elucidate biogeochemical processes in marine ecosystems I explored calculating respiratory oxygen utilization (OUR) and nitrate respiration from activities of the respiratory electron transport system (ETS), assimilatory phytoplankton nitrate uptake from nitrate reductase activity, and respiratory CO2 production from isocitrate dehydrogenase. This exploration began at Woods Hole Oceanographic Institute doing a thesis on Krebs-Cycle-based respiration in the quahog, Venus mercenaria, for my B.Sc. at the Massachusetts Institute of Technology (MIT). It continued at the Friday Harbor Marine Laboratory (FHL) of the University of Washington (UW) developing a biological oceanography MS thesis testing succinate dehydrogenase activity as a respiration proxy in Artemia salina. Upon realizing that the ETS, not the Krebs-Cycle, controlled the electron flux to O2, I developed the ETS idea to determine seawater OUR for a Ph.D. thesis at UW. The resulting assay led to the first direct measurements of deep-sea metabolism and allowed biochemical calculations of OUR profiles in the Costa Rica Dome, in the Peru upwelling, and in other ocean water columns. I continued this research at Maine’s Bigelow Laboratory for Ocean Science (BLOS), and at Quebec’s Institute Maurice Lamontagne (IML). Then, after moving to Spain, I used the stability of my pension to continue this research at the University of Las Palmas de Gran Canaria (ULPGC) where I am catalysing new thinking about ocean metabolism. Here, these topics are integrated into an autobiographic history of this science.
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 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 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».