Incorporating molecular-based functional and co-occurrence network properties into benthic marine impact assessments
Notice bibliographique
Résumé
Taxonomic and functional community structures may respond differently to anthropogenic stressors. Used in combination they can provide an estimate of functional redundancy, a key component of ecosystem resilience. In this study, the utility of incorporating functional community structure and co-occurrence network properties into impact assessments of offshore oil and gas (O&G) operations on benthic bacterial communities was investigated. Sediment samples and physico-chemical data were collected along a transect at increasing distances from one exploratory drilling (ED), and one gas production and drilling (GPD) field. Bacterial community composition was determined by 16S rRNA metabarcoding. A hidden-state prediction method (PAPRICA) was used to characterize bacterial metabolic community functions. At both sites, diversity differed significantly between near-field (impacted) and far-field (non-impacted) stations, with both taxonomic and functional alpha-diversity positively affected in near-field stations at the GPD site. The opposite pattern was observed in the near-field samples of ED with lower and higher values respectively. Overall, impacted stations displayed a distinct network signature, with a lower ratio of positive interactions and signs of higher community cohesion. Community profiles from metabolic inference and co-occurrence network topology provided complementary information to taxonomic indices, which may assist with assessing the effects of O&G activities on benthic 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 | 0,001 | 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 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 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 ».