High‐resolution imaging particle analysis of freshwater cyanobacterial blooms
Notice bibliographique
Résumé
Abstract Effective assessment of the health risk of cyanobacterial blooms requires an early warning system, which enables rapid detection of species of concern and determination of whether their cell concentrations exceed advisory guidelines. Advanced digital flow cytometry using FlowCam® (Fluid Imaging Technologies) in combination with light microscopy is a solid prospect for tracking cyanobacterial communities in a timely manner. However, implementation of such a method poses several challenges for the user. We first address sample preparation, instrumentation, taxonomic enumeration, and trouble‐shooting to facilitate high throughput of analyses of water samples for total cyanobacterial cell counts and their species composition. Preservation and initial screening of samples using light microscopy to estimate community size structure are endorsed to insure their archival quality and avoid clogging of the flow cell. We show that the highest magnification (×20 objective) is needed to achieve representative total and species‐specific cell enumerations. We also report that total cyanobacterial cell counts for samples analyzed using FlowCam vs. inverted light microscopy show significant positive correlation, as do those for preserved vs. live samples. Quantification of community composition using FlowCam vs. light microscopy also shows strong concordance. Although our FlowCam method performs well in the context of the World Health Organization advisory threshold of a total cyanobacterial count of 100,000 cells mL−1, it remains a work in progress in terms of reliably automated species‐level identifications.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».