MétaCan
Menu
Retour à la cohorte
Enregistrement W3006168635 · doi:10.20381/ruor-24401

Temporal Trends in Cyanobacteria Through Paleo-Genetic Analyses

2020· dissertation· en· W3006168635 sur OpenAlexaboutno aff
William Dodsworth

Notice bibliographique

RevueuO Research (University of Ottawa) · 2020
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCyanobacteriaBiologyEvolutionary biologyGeographyData scienceEcologyPaleontologyComputer science

Résumé

récupéré en direct d'OpenAlex

With increasing eutrophication and climate change, temperate lakes are experiencing conditions favoring cyanobacterial dominance, leading to toxic blooms. However, the relative importance of these two factors remains unclear, due to a lack of historical records. This thesis analyzed sediment DNA from four lakes in Central Ontario to quantify trends over the past ~ 200 years in bacteria, cyanobacteria, and microcystin toxins through ddPCR of target genes. Climate related variables explained a small amount of variation. However, lakes with more development exhibited significant increases in cyanobacterial dominance, indicating regime shifts not occurring in less developed lakes. These shifts were likely driven by nutrient loading in concert with climate change. Sediment cores were also compared within a single multi-basin lake to determine the effect of depth and morphometry on DNA preservation. Sites of greater depth (20 m +) were more conducive to long-term DNA preservation and sheltered morphometry increased sediment DNA deposition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,226
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,077
Tête enseignante GPT0,348
Écart entre enseignants0,270 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueuO Research (University of Ottawa)Même sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207