Microbial diversity through an oceanographic lens: refining the concept of ocean provinces through trophic‐level analysis and productivity‐specific length scales
Notice bibliographique
Résumé
In the marine realm, microorganisms are responsible for the bulk of primary production, thereby sustaining marine life across all trophic levels. Longhurst provinces have distinct microbial fingerprints; however, little is known about how microbial diversity and primary productivity change at finer spatial scales. Here, we sampled the Atlantic Ocean from south to north (~50°S-50°N), every ~0.5° latitude. We conducted measurements of primary productivity, chlorophyll-a and relative abundance of 16S and 18S rRNA genes, alongside analyses of the physicochemical and hydrographic environment. We analysed the diversity of autotrophs, mixotrophs and heterotrophs, and noted distinct patterns among these guilds across provinces with high and low chlorophyll-a conditions. Eukaryotic autotrophs and prokaryotic heterotrophs showed a shared inter-province diversity pattern, distinct from the diversity pattern shared by mixotrophs, cyanobacteria and eukaryotic heterotrophs. Additionally, we calculated samplewise productivity-specific length scales, the potential horizontal displacement of microbial communities by surface currents to an intrinsic biological rate (here, specific primary productivity). This scale provides key context for our trophically disaggregated diversity analysis that we could relate to underlying oceanographic features. We integrate this element to provide more nuanced insights into the mosaic-like nature of microbial provincialism, linking diversity patterns to oceanographic transport through primary production.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».