Combined Use of Diagnostic Fumarate Addition Metabolites and Genes Provides Evidence for Anaerobic Hydrocarbon Biodegradation in Contaminated Groundwater
Notice bibliographique
Résumé
The widespread use of hydrocarbon-based fuels has led to the contamination of many natural environments due to accidental spills or leaks. While anaerobic microorganisms indigenous to many fuel-contaminated groundwater sites can play a role in site remediation (e.g., monitored natural attenuation, MNA) via hydrocarbon biodegradation, multiple lines of evidence in support of such bioremediation are required. In this study, we investigated two fuel-contaminated groundwater sites for their potential to be managed by MNA. Microbial community composition, biogeochemical indicators, fumarate addition metabolites, and genes diagnostic of both alkane and alkyl-monoaromatic hydrocarbon activation were assessed. Fumarate addition metabolites and catabolic genes were detected for both classes of hydrocarbon biodegradation at both sites, providing strong evidence for in situ anaerobic hydrocarbon biodegradation. However, relevant metabolites and genes did not consistently co-occur within all groundwater samples. Using newly designed mixtures of quantitative polymerase chain reaction (qPCR) primers to target diverse assA and bssA genes, we measured assA gene abundances ranging from 105–108 copies/L, and bssA gene abundances ranging from 105–1010 copies/L at the sites. Overall, this study demonstrates the value of investigating fuel-contaminated sites using both metabolites and genes diagnostic of anaerobic hydrocarbon biodegradation for different classes of hydrocarbons to help assess field sites for management by MNA.
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) | 0,000 | 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 ».