MétaCan
Menu
Retour à la cohorte
Enregistrement W3084642730 · doi:10.5194/egusphere-egu2020-12462

Recycling of Polyphosphate accumulated in picoplankton in coastal Lake Ontario

2020· article· en· W3084642730 sur OpenAlexaffabout
Maria Dittrich, Jiying Li, Diane Plouchart, Arthur Zastepa

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensEnvironment and Climate Change CanadaThe Scarborough Hospital
Organismes subventionnairesnon disponible
Mots-clésPicoplanktonEutrophicationPolyphosphatePlanktonPhytoplanktonPhosphorusBiogeochemical cycleProductivityBacterioplanktonAlgaePrimary producersNutrientBayBiologyEnvironmental scienceEcologyOceanographyChemistryPhosphateBiochemistryGeology

Résumé

récupéré en direct d'OpenAlex

Phytoplankton can accumulate polyphosphate (polyP) to alleviate the limitation of essential nutrient phosphorus (P). Yet polyP metabolisms in aquatic systems and their roles in P biogeochemical cycle remain elusive. Previously reported polyP enrichment in low-phosphorus oligotrophic marine waters contradicts the common view of polyP as a luxury P-storage molecule. Here, we show that in a P-rich eutrophic bay of Lake Ontario, planktonic polyP is controlled by multiple mechanisms and responds strongly to seasonal variations. Plankton accumulates polyP as P storage under high-P conditions via luxury uptake and uses it under acute P stress. Low phosphorus also triggers enrichment of polyP that can be preferentially recycled to attenuate P lost. We discover that picoplankton, despite their low production rates, are responsible for the dynamic polyP metabolisms. Picoplankton store and liberate polyP to support the high primary productivity of blooming algae. PolyP mechanisms enable and P exchange and efficient P recycling on the ecosystem and even larger scales.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,339
Score d'incertitude au seuil0,682

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 technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,218
Écart entre enseignants0,199 · 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetPhosphorus and nutrient managementTravaux en français237 207