MétaCan
Menu
Retour à la cohorte
Enregistrement W2998994544 · doi:10.1002/aic.16919

Pore‐scale modeling of competition and cooperation of multispecies biofilms for nutrients in changing environments

2020· article· en· W2998994544 sur OpenAlexafffund
Mojtaba Aghajani Delavar, Junye Wang

Notice bibliographique

RevueAIChE Journal · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueLattice Boltzmann Simulation Studies
Établissements canadiensAthabasca University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiofilmMicroorganismAmmoniumEnvironmental chemistryBioreactorCompetition (biology)ChemistryPhotobioreactorGrowth rateBiomass (ecology)NitrificationNitriteEnvironmental scienceEnvironmental engineeringEcologyNitrateBacteriaBiologyNitrogen

Résumé

récupéré en direct d'OpenAlex

Abstract In this article, we developed a pore‐scale model of integrated lattice Boltzmann method and cellular automata to investigate competitive growth of aerobic nitrite and ammonium oxidizers in a bioreactor. The results showed that inlet nutrient concentrations have significant effects on maximum biofilm concentration, ratio of microorganisms' concentrations, growth pattern, and time. The local availability of oxygen could control the competition, resulting in different growth patterns. The coexistence of ammonium and nitrite in same inlet zone increased not only the biofilm concentration (7%) but also the ratio of microorganisms' concentrations (36%). Although this coexistence decreased the total biofilm concentration in some cases, it increased the growth rate about 25%. Changes of the maximum biomass concentration could change biofilm concentration of about 40% and microorganisms' concentrations ratio of about 30%. This framework provides a powerful tool to improve our understanding of dynamic interdependency of many complex microbial consortia systems with environments.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
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 Opus0,026
Tête enseignante GPT0,232
Écart entre enseignants0,206 · 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'étudeSimulation ou modélisation
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

Citations22
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetLattice Boltzmann Simulation StudiesTravaux en français237 207