MétaCan
Menu
Retour à la cohorte
Enregistrement W2890453722 · doi:10.1111/1758-2229.12690

Recovering cellular biomass from fluids using chemical flocculation

2018· article· en· W2890453722 sur OpenAlexafffundabout
Paul A. Kenward, Rachel L. Simister, Connor Morgan‐Lang, Niko Finke, Arne Sturm, Steven Hallam, Sean A. Crowe

Notice bibliographique

RevueEnvironmental Microbiology Reports · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensGenome British ColumbiaCanadian Institute for Advanced ResearchUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGenome British Columbia
Mots-clésFlocculationBiomass (ecology)Pulp and paper industryEnvironmental scienceBiochemical engineeringChemistryChemical engineeringBiologyEcologyEnvironmental engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Summary We developed an efficient, scalable and inexpensive method for recovering cellular biomass from complex fluid matrices that cannot be processed using conventional filtration methods. The method uses chemical flocculation with iron oxyhydroxides, is capable of recovering greater than 90% of cellular biomass from fluids with more than 10 3 cells ml −1 , and was validated using both mock communities and field samples. High quality DNA can be readily extracted from iron flocs using standard soil extraction kits. We applied chemical flocculation to fracing fluids from British Columbia, Canada and recovered a diversity of microbial taxa including abundant members of the Epsilon‐ and Deltaproteobacteria previously recovered from shale gas operations in the United States. Application of chemical flocculation presents new opportunities for scalable time‐series monitoring and experimentation on complex fluid matrices including microbial community profiling and shotgun metagenomics over gas production well completion cycles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,223
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental Microbiology ReportsMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207