Response of aquatic microbial communities and bioindicator modelling of hydraulic fracturing flowback and produced water
Notice bibliographique
Résumé
The response of microbial communities to releases of hydraulic fracturing flowback and produced water (PW) may influence ecosystem functions. However, knowledge of the effects of PW spills on freshwater microbiota is limited. Here, we conducted two separate experiments: 16S rRNA gene sequencing combined with random forests modelling was used to assess freshwater community changes in simulated PW spills by volume from 0.05% to 50%. In a separate experiment, live/dead cell viability in a freshwater community was tested during exposure to 10% PW by volume. Three distinct patterns of microbial community shifts were identified: (i) indigenous freshwater genera remained dominant in <2.5% PW, (ii) from 2.5% to 5% PW, potential PW organic degraders such as Pseudomonas, Rheinheimera and Brevundimonas became dominant, and (iii) no significant change in the relative abundance of taxa was observed in >5% PW. Microbial taxa including less abundant genera such as Cellvibrio were potential bioindicators for the degree of contamination with PW. Additionally, live cells were quickly damaged by adding 10% PW, but cell counts recovered in the following days. Our study shows that the responses of freshwater microbiota vary by spill size, and these responses show promise as effective fingerprints for PW spills in aquatic 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 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».