Dynamic Photophysiological Stress Response of a Model Diatom to Ten Environmental Stresses
Notice bibliographique
Résumé
Stressful environmental conditions can induce many different acclimation mechanisms in marine phytoplankton, resulting in a range of changes in their photophysiology. Here we characterize the common photophysiological stress response of the model diatom Thalassiosira pseudonana to ten environmental stressors and identify diagnostic responses to particular stressors. We quantify the magnitude and temporal trajectory of physiological parameters including the functional absorption cross‐section of PSII (σ PSII ), quantum efficiency of PSII, non‐photochemical quenching (NPQ), cell volume, Chl a, and carotenoid (Car) content in response to nutrient starvation (nitrogen (N), phosphorus (P), silicon (Si), and iron (Fe)), changes in temperature, irradiance, pH, and reactive oxygen species (ROS) over 5 time points (0, 2, 6, 24, 72 h). We find changes in conditions: temperature, irradiance, and ROS, often result in the most rapid changes in photophysiological parameters (<2 h), and in some cases are followed by recovery. In contrast, nutrient starvation (N, P, Si, Fe) often has slower (6‐72 h) but ultimately larger magnitude effects on many photophysiological parameters. Diagnostic changes include large increases in cell volume under Si‐starvation, very large increases in NPQ under P‐starvation, and large decreases in the σ PSII under high light. The ultimate goal of this analysis is to facilitate and enhance the interpretation of fluorescence data and our understanding of phytoplankton photophysiology from laboratory and field studies.
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 | 0,000 |
| 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) | 0,002 | 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 ».