MétaCan
Menu
Retour à la cohorte
Enregistrement W4301398164 · doi:10.3389/fmars.2022.976908

Amino acid δ13C and δ15N fingerprinting of sea ice and pelagic algae in Canadian Arctic and Subarctic Seas

2022· article· en· W4301398164 sur OpenAlexafffundabout
Shaomin Chen, Peta J. Mudie, Owen A. Sherwood

Notice bibliographique

RevueFrontiers in Marine Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensGeological Survey of CanadaDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPelagic zoneSea iceAlgaeOceanographyArcticArctic ice packBiologyEnvironmental scienceEcologyGeology

Résumé

récupéré en direct d'OpenAlex

The on-going decline in Arctic sea ice represents a significant loss of habitat for sea ice algae, which are a major contributor to primary production in the Arctic. Data on sea ice algal production is limited due to difficulties in both accessing sea-ice and sampling under-ice algae. Compound-specific isotope analysis (CSIA) of amino acids (AAs) is emerging as a powerful tool to trace element origins and biogeochemical processes in marine food webs and may address the knowledge gaps in sea ice algal productivity dynamics. Here we measured δ13C-AA and δ15N-AA in natural communities of sea ice and pelagic algae collected from regions offshore Labrador and Nunavut, Canada. Significant difference in δ13C-AA patterns between sea ice and pelagic algae was observed in different size classes. This difference was further supported by multivariate analyses based on normalized δ13C of essential amino acids (EAAs), which demonstrated a clear separation between sea ice and pelagic algae. Beta (β) values and trophic position (TP) calculated from δ15N of Glutamic Acid and Phenylalanine (Phe) and ∑V parameter for microbial resynthesis indicated a slightly higher heterotrophic biomass in pelagic and sea ice samples as compared to cultured samples. This finding is consistent with the Phe-normalized δ15N of Alanine and Threonine, which provided better separations between sea ice/pelagic algae and other end-member groups. Overall, our study provides first insights into the potential differences in δ13C-AA and δ15N-AA patterns between sea ice and pelagic algae and suggests carbon of sea ice origins may be distinguished from pelagic sources using CSIA-AA approach. These observations highlight the potential of CSIA-AA to estimate proportional contributions of sea ice and pelagic algae to export production and efficiency of benthic-pelagic coupling in polar marine environments.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,211

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
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,004
Tête enseignante GPT0,194
Écart entre enseignants0,190 · 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

Citations7
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetIsotope Analysis in EcologyTravaux en français237 207