Feasting on terrestrial organic matter: Dining in a dark lake changes microbial decomposition
Notice bibliographique
Résumé
Abstract Boreal lakes are major components of the global carbon cycle, partly because of sediment‐bound heterotrophic microorganisms that decompose within‐lake and terrestrially derived organic matter (t‐OM). The ability for sediment bacteria to break down and alter t‐OM may depend on environmental characteristics and community composition. However, the connection between these two potential drivers of decomposition is poorly understood. We tested how bacterial activity changed along experimental gradients in the quality and quantity of t‐OM inputs into littoral sediments of two small boreal lakes, a dark and a clear lake, and measured the abundance of operational taxonomic units and functional genes to identify mechanisms underlying bacterial responses. We found that bacterial production (BP) decreased across lakes with aromatic dissolved organic matter (DOM) in sediment pore water, but the process underlying this pattern differed between lakes. Bacteria in the dark lake invested in the energetically costly production of extracellular enzymes as aromatic DOM increased in availability in the sediments. By contrast, bacteria in the clear lake may have lacked the nutrients and/or genetic potential to degrade aromatic DOM and instead mineralized photo‐degraded OM into CO 2 . The two lakes differed in community composition, with concentrations of dissolved organic carbon and pH differentiating microbial assemblages. Furthermore, functional genes relating to t‐OM degradation were relatively higher in the dark lake. Our results suggest that future changes in t‐OM inputs to lake sediments will have different effects on carbon cycling depending on the potential for photo‐degradation of OM and composition of resident bacterial communities.
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 | 0,000 | 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) | 0,006 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».