Differential processing of dissolved and particulate organic matter by deep-sea sponges and their microbial symbionts
Notice bibliographique
Résumé
Abstract Deep-sea sponges create hotspots of biodiversity and biological activity in the otherwise barren deep-sea. However, it remains elusive how sponge hosts and their microbial symbionts acquire and process food in these food-limited environments. Therefore, we traced the processing (i.e. assimilation and respiration) of 13 C- and 15 N-enriched dissolved organic matter (DOM) and bacteria by three dominant North Atlantic deep-sea sponges: the high microbial abundance (HMA) demosponge Geodia barretti , the low microbial abundance (LMA) demosponge Hymedesmia paupertas , and the LMA hexactinellid Vazella pourtalesii . We also assessed the assimilation of both food sources into sponge- and bacteria-specific phospholipid-derived fatty acid (PLFA) biomarkers. All sponges were capable of assimilating DOM as well as bacteria. However, processing of the two food sources differed considerably between the tested species: the DOM assimilation-to-respiration efficiency was highest for the HMA sponge, yet uptake rates were 4–5 times lower compared to LMA sponges. In contrast, bacteria were assimilated most efficiently and at the highest rate by the hexactinellid compared to the demosponges. Our results indicate that phylogeny and functional traits (e.g., abundance of microbial symbionts, morphology) influence food preferences and diet composition of sponges, which further helps to understand their role as key ecosystem engineers of deep-sea habitats.
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 ».