Fish growth enhances microbial sulfur cycling in aquaculture pond sediments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Microbial sulfate reduction and sulfur oxidation are vital processes to enhance organic matter degradation in sediments. However, the diversity and composition of sulfate-reducing bacteria (SRB) and sulfur-oxidizing bacteria (SOB) and their environmental driving factors are still poorly understood in aquaculture ponds, which received mounting of organic matter. In this study, bacterial communities, SRB and SOB from sediments of aquaculture ponds with different sizes of grass carp (Ctenopharyngodon idellus) were analysed using high-throughput sequencing and quantitative real-time PCR (qPCR). The results indicated that microbial communities in aquaculture pond sediments of large juvenile fish showed the highest richness and abundance of SRB and SOB, potentially further enhancing microbial sulfur cycling. Specifically, SRB were dominated by Desulfobulbus and Desulfovibrio, whereas SOB were dominated by Dechloromonas and Leptothrix. Although large juvenile fish ponds had relatively lower concentrations of sulfur compounds (i.e. total sulfur, acid-volatile sulfide and elemental sulfur) than those of larval fish ponds, more abundant SRB and SOB were found in the large juvenile fish ponds. Further redundancy analysis (RDA) and linear regression indicated that sulfur compounds and sediment suspension are the major environmental factors shaping the abundance and community structure of SRB and SOB in aquaculture pond sediments. Findings of this study expand our current understanding of microbial driving sulfur cycling in aquaculture ecosystems and also provide novel insights for ecological and green aquaculture managements.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 découle