Calculation and Interpretation of Substrate Assimilation Rates in Microbial Cells Based on Isotopic Composition Data Obtained by nanoSIMS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Stable isotope probing (SIP) combined with nano-scale secondary ion mass spectrometry (nanoSIMS) is a powerful approach to quantify assimilation rates of elements such as C and N into individual microbial cells. Here, we use mathematical modeling to investigate how the derived rate estimates depend on the model used to describe substrate assimilation by a cell during a SIP incubation. We show that the most commonly used model, which is based on the simplifying assumptions of linearly increasing biomass of individual cells over time and no cell division, can yield underestimated assimilation rates when compared to rates derived from a model that accounts for cell division. This difference occurs because the isotopic labeling of a dividing cell increases more rapidly over time compared to a non-dividing cell and becomes more pronounced as the labeling increases above a threshold value that depends on the cell cycle stage of the measured cell. Based on the modeling results, we present formulae for estimating assimilation rates in cells and discuss their underlying assumptions, conditions of applicability, and implications for the interpretation of intercellular variability in assimilation rates derived from nanoSIMS data, including the impacts of storage inclusion metabolism. We offer the formulae as a Matlab script to facilitate rapid data evaluation by nanoSIMS users.
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.
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 découle