MétaCan
Menu
← Retour à la cohorte
Enregistrement W4291915015 · doi:10.1101/2022.08.15.504022

Wastewater Influent Microbial Immigration and Contribution to Resource Consumption in Activated Sludge Using Taxon-Specific Mass-Flow Immigration Model

2022· preprint· en· W4291915015 sur OpenAlexaff
Bing Guo, Chenxiao Liu, Claire L. Gibson, Nouha Klai, Xuan Lin, Dominic Frigon

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBiomass (ecology)Activated sludgeChemical oxygen demandMicrobial population biologyMicroorganismWastewaterEnvironmental scienceActivated sludge modelRespirometryEcologyEnvironmental engineeringPulp and paper industryEnvironmental chemistryChemistryBiologyBacteriaEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Wastewater influent microorganisms are part of the total chemical oxygen demand (COD) and affect the activated sludge (AS) microbial community. Precise modeling of AS processes requires accurate quantification of influent microorganisms, which is missing in many AS models (ASMs). In this study, influent microorganisms in COD unit were determined using a fast quantification method based on DNA yield and was compared with conventional respirometry method. The actively growing influent microorganisms were identified. A mass-flow immigration model was developed to quantify the influent-to-AS immigration efficiency ( m i ) of specific taxon i using mass balance and 16S rRNA gene high-throughput sequencing data. The modelled average m was 0.121-0.257 in site 1 (LaPrairie), and 0.050-0.126 in site 2 (Pincourt), which were corrected to 0.111-0.186 and 0.048-0.109 respectively using a constrain of m i ≤ 1. The model was further developed to calculate contributions to organic substrate consumption by specific taxa. Those genera with zero or negative net growth rates were not completely immigration dependent ( m i < 1) and contributed to 2.4% - 5.4% of the substrate consumption. These results suggest that influent microbiome may be important contributors to AS microbiome assembly and system performance (substrate consumption), which may help to improve future AS process modelling and design. Synopsis Influent microbial immigration lacks detailed taxon-specific quantification. This study presents quantitative methods and models for influent biomass, mass-flow immigration model, and resource consumption in activated sludge. Graphic Abstract

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,212
Écart entre enseignants0,196 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetWastewater Treatment and Nitrogen Removal→Travaux en français237 207→