MétaCan
Menu
Retour à la cohorte
Enregistrement W4223474030 · doi:10.3390/microorganisms10040803

Road Salt versus Urban Snow Effects on Lake Microbial Communities

2022· article· en· W4223474030 sur OpenAlexafffund
Isabelle B. Fournier, Connie Lovejoy, Warwick F. Vincent

Notice bibliographique

RevueMicroorganisms · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Community Ecology and Physiology
Établissements canadiensUniversité LavalCenter for Northern Studies
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésSnowmeltSnowMicrobial population biologyPlanktonTemperate climateOverwinteringCommunity structureEnvironmental scienceSubarctic climateEcologyBiologyGeographyBacteriaSurface runoff

Résumé

récupéré en direct d'OpenAlex

Freshwater salinization is an ongoing concern for north temperate lakes; however, little is known about its impacts on microbial communities, particularly for bacteria. We tested the hypotheses that road de-icing salt induces changes in the microbial community structure of lake plankton, and that changes due to chloride would differ from those due to urban snowmelt because of additional chemicals in the snowmelt. In a laboratory incubator experiment, an overwintering plankton community in lake water was exposed for two weeks to either NaCl or municipal road snow with the same level of chloride. Microbial community structure as determined by 16S (prokaryotes) and 18S (eukaryotes) rRNA transcript analysis showed changes in response to the chloride-only enrichment, with some rare taxa becoming more prominent. Consistent with our hypothesis, the salt and the snow treatments induced different community changes. These results indicate that ecotoxicology assays based on a single salt addition may not reflect the in situ effects of salt-contaminated urban snow, and that the combined chemical effects of urban snowmelt require direct testing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,558
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0430,002

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 Opus0,010
Tête enseignante GPT0,207
Écart entre enseignants0,198 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations10
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicroorganismsMême sujetMicrobial Community Ecology and PhysiologyTravaux en français237 207