Preserving Microbial Community Integrity in Oilfield Produced Water
Notice bibliographique
Résumé
Determining a representative microbial signature from any given location is dependent on robust sample collection and handling. Different sampling locations and hence sample properties can vary widely; for example, soil would be collected and handled differently compared to liquid samples. In the event that sample material has a low concentration of biomass, large quantities need to be collected for microbial community analysis. This is certainly the case when investigating the microbiology of oilfield systems, wherein produced water (PW) is one of the most common sources for microbial sampling. As the detrimental effects of microbial metabolism within these industrial milieus are becoming increasingly well-established, the characterization of microbial community composition using molecular biological analyses is becoming more commonplace for accurate monitoring. As this field continues to develop, the importance for standardized operating protocols cannot be understated, so that industry can make the most informed operational decisions possible. Accurately identifying oilfield microbial communities is paramount, as improper preservation and storage following sample collection is known to lead to erroneous microbial identifications. Preserving oilfield PW can be challenging, as many locations are remote, requiring lengthy periods of time before samples can be processed and analyzed. While previous studies have characterized the effects of various preservatives on concentrated, filtered, or purified microbial samples, to the best of our knowledge, no such study has been undertaken on low biomass liquid samples. To this end, we investigated the effectiveness of nine different preservation conditions on PW collected from the same sampling location within a heavy-oil producing field, and monitored how the microbial community changed over the period of a month. Our results reveal that the choice of preservative drastically affects microbial community, and should be selected with careful consideration before sampling occurs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».