Characterization of Sequentially Extracted Soil Organic Matter by Electrospray Ionization and Atmospheric Pressure Photoionization Fourier Transform Ion Cyclotron Resonance Mass Spectrometry
Notice bibliographique
Résumé
Soil organic matter (SOM) is a complex mixture of small molecules and biopolymers that are active in various biogeochemical processes. However, the chemical diversity of biopolymer-derived SOM remains poorly explored. Identifying this diversity is important because global environmental changes may well alter SOM chemistry, as field experiments are beginning to show. Here, organic solvent-extractable (DcMe-SOM), base-hydrolyzable (KOH<sub>Hy</sub>-SOM), and CuO-oxidizable (CuO<sub>Ox</sub>-SOM) SOM fractions from a forest with a long-term nitrogen addition experiment were sequentially extracted and characterized by Fourier transform ion cyclotron resonance mass spectrometry (FT-ICR MS) coupled with negative-ion electrospray ionization (ESI) or atmospheric pressure photoionization (APPI). From DcMe-SOM to CuO<sub>Ox</sub>-SOM, the total number of assigned formulas, average O/C ratio, aromaticity, and unsaturation degree of SOM continuously increased, while the average m/z and H/C ratio decreased. Moreover, the dominant chemical category shifted from lipid-like components to phytochemical- and protein-like components. Complementary to ESI, APPI effectively facilitated detection of additional compounds with low polarity. With long-term nitrogen addition, the average m/z, unsaturation degree, aromaticity, and oxidation state of SOM increased, and more aromatic nitrogen-containing formulas were detected in CuOOx-SOM. Our study demonstrates that chronic nitrogen deposition in forests alters both the small molecules and biopolymers of SOM fundamentally.
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) | 0,000 | 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) | 0,006 | 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 ».