MétaCan
Menu
Retour à la cohorte
Enregistrement W3125050108 · doi:10.26685/urncst.192

Bioremediation: How to Decrease Greenhouse Gas Emissions Through Cattle

2020· article· en· W3125050108 sur OpenAlexaffabout
Atiya Sekyi-Otu, Alexa Smith

Notice bibliographique

RevueUndergraduate Research in Natural and Clinical Science and Technology (URNCST) Journal · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasCarbon footprintAgricultureRumenPopulationEnvironmental scienceBeef cattleLivestockBioremediationBiotechnologyMethaneBiologyEnvironmental protectionEcologyAnimal scienceFood scienceContaminationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Introduction: The concentration of greenhouse gases within the atmosphere is currently on the rise. With the increase in human population comes a growing need for greater food security in order to support our population. The agricultural industry has a carbon footprint comparable to that of other extensive producers such as oil production facilities, waste sectors and industrial processors. This study aims to establish an experimental design to modify the current microbiome in cattle, as cattle farming practices account for a majority of agricultural methane production in North America. Methods: Young Canadian Holstein cattle with developing ruminal microbiomes will be placed into control and treatment groups and studied over the duration of 4 weeks. Ruminococcus hydrogenotrophicus will be inserted into the rumen of the experimental groups of cattle. Results: Results will generate findings on the basis of reducing methanogenic activity among the rumen of cattle, and therefore the results may propose a feasible answer towards the decreasing of the agricultural carbon footprint among the cattle industry. Discussion: The ability to decrease or eliminate the methane produced from agriculture would be a significant finding in current global studies. Through/by combining knowledge from environmental biology, agricultural science, microbiology and animal biology, solutions can be found for reducing the agricultural carbon footprint. Conclusion: The use of bioremediation methods to decrease methane production is a new area of research. By cultivating a microorganism that can compete with the methanogenic bacteria within the rumen of cows, less methane yield is plausible. Ultimately, leading to a proposed answer to curb climate change values to a decreasing end.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,101
Tête enseignante GPT0,380
Écart entre enseignants0,280 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUndergraduate Research in Natural and Clinical Science and Technology (URNCST) JournalMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207