MétaCan
Menu
Retour à la cohorte
Enregistrement W2940951010 · doi:10.1680/jenes.19.00002

Study of microbial combination and nutrients in remediation of petroleum-contaminated soil

2019· article· en· W2940951010 sur OpenAlexvenueno aff
Thu Ra, Yaling Zhao, Maosheng Zheng

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial bioremediation and biosurfactants
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Science and Technology of the People's Republic of China
Mots-clésNutrientBioremediationEnvironmental remediationPetroleumSoil contaminationNutrient agarEnvironmental chemistryContaminationDegradation (telecommunications)BiodegradationBacteriaMicroorganismEnvironmental scienceChemistryFood scienceBiologyAgarEcology

Résumé

récupéré en direct d'OpenAlex

In this study, degradation of polluted soil (with 1, 4 and 9% petroleum contamination) was performed using different microbial combinations and nutrients. Biosurfactant production and lipase production of the isolated microbes were also tested. A5 and A14 (isolated from petroleum-contaminated soil (PCS)) and G1 and G6 (isolated from garden soil) showed a positive result in the biosurfactant production test. A1, A5, A6, A13, A14, A15, A16, G1 and G5 showed zones around agar wells; these bacterial strains produced lipase. Combinations of microbes were applied in treatment of 1% PCS; the combination of only bacteria and the combination of bacteria and fungi showed petroleum degradation of 71 and 73·17%, respectively. In 4 and 9% PCS, the degradation activities of microbes decreased; the microbes needed a longer time to activate the large amount of petroleum. Furthermore, tests with and without nutrients were conducted to determine the effect of using nutrients in bioremediation of PCS. The results showed that petroleum degradation percentages from the treatment using nutrients were about 5% higher than the degradation percentages from treatments without nutrients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,172
Écart entre enseignants0,169 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetMicrobial bioremediation and biosurfactantsTravaux en français237 207