MétaCan
Menu
Retour à la cohorte
Enregistrement W4206460740 · doi:10.1038/s41467-021-27718-2

The role of methanotrophy in the microbial carbon metabolism of temperate lakes

2022· article· en· W4206460740 sur OpenAlexafffund
Paula C. J. Reis, Shoji D. Thottathil, Yves T. Prairie

Notice bibliographique

RevueNature Communications · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesGroupe de recherche interuniversitaire en limnologieNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésTemperate climateMicrobial metabolismEnvironmental scienceEnvironmental chemistryEcologyCarbon cycleChemistryBiologyEcosystemBacteria

Résumé

récupéré en direct d'OpenAlex

Previous stable isotope and biomarker evidence has indicated that methanotrophy is an important pathway in the microbial loop of freshwater ecosystems, despite the low cell abundance of methane-oxidizing bacteria (MOB) and the low methane concentrations relative to the more abundant dissolved organic carbon (DOC). However, quantitative estimations of the relative contribution of methanotrophy to the microbial carbon metabolism of lakes are scarce, and the mechanism allowing methanotrophy to be of comparable importance to DOC-consuming heterotrophy remained elusive. Using incubation experiments, microscopy, and multiple water column profiles in six temperate lakes, we show that MOB play a much larger role than their abundances alone suggest because of their larger cell size and higher specific activity. MOB activity is tightly constrained by the local methane:oxygen ratio, with DOC-rich lakes with large hypolimnetic volume fraction showing a higher carbon consumption through methanotrophy than heterotrophy at the whole water column level. Our findings suggest that methanotrophy could be a critical microbial carbon consumption pathway in many temperate lakes, challenging the prevailing view of a DOC-centric microbial metabolism in these ecosystems.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,231
Écart entre enseignants0,224 · 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'étudeObservationnel
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

Citations39
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetMethane Hydrates and Related PhenomenaTravaux en français237 207