Applications of Scanning Electron Microscopy in Geomicrobiology
Notice bibliographique
Résumé
From mineralized biofilms of ancient or “extreme” environments to the nth replicate of laboratory-based biofilm experiments, geomicrobiological samples containing microbes associated with primary minerals or secondary (biogenic) mineral precipitates are highly diverse. The foremost advantage of scanning electron microscopy for geomicrobiology is that it provides high-resolution micrographs of cells and biofilms in association with minerals. These micrographs provide visual evidence of biogeochemical processes, which helps to explain phenomena that occur in the natural environment or in the laboratory. In addition to high-resolution secondary electron or backscatter electron modes of imaging, scanning electron microscopes can be equipped with a range of microanalytical tools, thereby extending the breadth of analytical capacities. Analytical techniques such as energy dispersive spectroscopy and electron backscatter diffraction analysis characterize the chemical composition and crystallography of biofilms and (bio)minerals, respectively, down to the micrometer scale. In addition, a focused ion beam can be used for nanomachining samples to provide a view beneath the outer surface of a sample or can be used as a technique for preparing samples for transmission electron microscopy. To provide the reader with an overview of tools and techniques, this chapter will explain a number of widely used preparation techniques, including whole-mounts, petrographic thin sections, polished blocks, and focused ion beam milling. By using these techniques, various types of geomicrobiological materials will be examined and used to guide and develop the necessary skills for interpreting biogeochemical processes from structural and chemical information obtained through secondary electron and backscatter electron micrographs and associated microanalyses.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».