MétaCan
Menu
Retour à la cohorte
Enregistrement W3000375748 · doi:10.4491/eer.2019.425

Insight on the microbial activity and microbiome in partial nitrification systems: CuO nanoparticles impact under different pH levels

2020· article· en· W3000375748 sur OpenAlexaff
Xiaojing Zhang, Nan Zhang, Yue Zhou, Robert Delatolla, Yali Song, Yongpeng Ma, Hongzhong Zhang

Notice bibliographique

RevueEnvironmental Engineering Research · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésNitrificationOxidizing agentAmmoniaChemistryNitrosomonasEffluentBacteriaInorganic chemistryNitrosomonas europaeaEnvironmental chemistryNuclear chemistryBiochemistryNitrogenOrganic chemistryBiologyEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

In this study, the effect of CuO nanoparticles (NPs) on partial nitrification (PN) process was investigated at various pH values. The shortand long-term experiments were carried out in six identical reactors, with or without CuO NPs, at pH values of 6.5, 8.0 and 10.0. The ammonia oxidation, reaction rates, copper content, and the microbial community were investigated. The results of this work suggested that CuO NPs inhibited the ammonia oxidation by aerobic ammonia-oxidizing bacteria (AOB), under both the acid and alkali conditions. AOB could resist the acid condition but was significantly suppressed when CuO NPs was fed, and the low pH did not aggravate the inhibition level. Almost all the bacteria lost bioactivity under the pH as 10.0, while anaerobic ammonia-oxidizing bacteria survived. The acid condition increased the Nitrosomonas relative abundance while the alkali condition lowered it. More than 60% of the supplied CuO NPs was discharged via effluent.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0000,000

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 Opus0,048
Tête enseignante GPT0,260
Écart entre enseignants0,212 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Engineering ResearchMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207