MétaCan
Menu
Retour à la cohorte
Enregistrement W2946898319 · doi:10.3389/fmars.2019.00132

Sampling and Processing Methods Impact Microbial Community Structure and Potential Activity in a Seasonally Anoxic Fjord: Saanich Inlet, British Columbia

2019· article· en· W2946898319 sur OpenAlexafffundabout
Mónica Torres-Beltrán, A. Mueller, Melanie Scofield, Maria Pachiadaki, Craig D. Taylor, Kateryna Tyshchenko, Céline Michiels, Phyllis Lam, Osvaldo Ulloa, Klaus Jürgens, Jung‐Ho Hyun, Virginia P. Edgcomb, Sean A. Crowe, Steven Hallam

Notice bibliographique

RevueFrontiers in Marine Science · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Community Ecology and Physiology
Établissements canadiensBC Cancer AgencyUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOffice of ScienceConsejo Nacional de Ciencia y TecnologíaGenome British ColumbiaGenome CanadaTula FoundationJoint Genome InstituteCanadian Institute for Advanced ResearchU.S. Department of Energy
Mots-clésFjordAnoxic watersOceanographyBiologyWater columnInletEnvironmental sciencePlanctomycetesEcology16S ribosomal RNABacteroidetesGeologyPaleontology

Résumé

récupéré en direct d'OpenAlex

The Scientific Committee on Oceanographic Research (SCOR) Working Group 144 Microbial Community Responses to Ocean Deoxygenation workshop held in Vancouver, B.C on July 2014 had the primary objective of initiating a process to standardize operating procedures for compatible process rate and multi-omic (DNA, RNA, protein and metabolite) data collection in marine oxygen minimum zones (OMZs) and other oxygen depleted waters. Workshop attendees participated in practical sampling and experimental activities in Saanich Inlet, British Columbia, a seasonally anoxic fjord. Experiments were designed to compare and cross-calibrate in situ versus bottle sampling methods to determine effects on microbial community structure and potential activity when using different filter combinations, filtration methods and sample volumes. Resulting biomass was preserved for small subunit ribosomal RNA (SSU or 16S rRNA) and SSU rRNA gene (rDNA) amplicon sequencing followed by downstream statistical and visual analyses. Results from these analyses showed that significant community shifts occurred between in situ versus on ship processed samples. For example, Bacteroidetes, Alphaproteobacteria and Opisthokonta associated with on-ship filtration onto 0.4 µm filters increased 5-fold compared to on-ship in-line 0.22 µm filters or 0.4 µm filters processed and preserved in situ. In contrast, Planctomycetes associated with 0.4 µm in situ filters increased 5-fold compared to on-ship filtration onto 0.4 µm filters and on-ship in-line 0.22 µm filters. In addition, candidate divisions and Chloroflexi were primarily recovered when filtered onto 0.4 µm filters in situ. Results based on rRNA:rDNA ratios for microbial indicator groups revealed previously unrecognized roles of candidate divisions, Desulfarculales, and Desulfuromandales in sulfur cycling, carbon fixation and fermentation within anoxic basin waters. Taken together, filter size and in situ versus on-ship filtration had the largest impact on recovery of microbial groups with the potential to influence downstream metabolic reconstruction and process rate measurements. These observations highlight the need for establishing standardized and reproducible techniques that facilitate cross-scale comparisons and more accurately assess in situ activities of microbial 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 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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,001
Communication savante0,0030,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,268
Écart entre enseignants0,261 · 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'étudeObservationnel
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

Citations24
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetMicrobial Community Ecology and PhysiologyTravaux en français237 207