Decoupling of respiration rates and abundance in marine prokaryoplankton
Notice bibliographique
Résumé
Abstract The ocean–atmosphere exchange of CO2 largely depends on the balance between marine microbial photosynthesis and respiration. Despite vast taxonomic and metabolic diversity among marine planktonic bacteria and archaea (prokaryoplankton)1–3, their respiration usually is measured in bulk and treated as a ‘black box’ in global biogeochemical models4; this limits the mechanistic understanding of the global carbon cycle. Here, using a technology for integrated phenotype analyses and genomic sequencing of individual microbial cells, we show that cell-specific respiration rates differ by more than 1,000× among prokaryoplankton genera. The majority of respiration was found to be performed by minority members of prokaryoplankton (including the Roseobacter cluster), whereas cells of the most prevalent lineages (including Pelagibacter and SAR86) had extremely low respiration rates. The decoupling of respiration rates from abundance among lineages, elevated counts of proteorhodopsin transcripts in Pelagibacter and SAR86 cells and elevated respiration of SAR86 at night indicate that proteorhodopsin-based phototrophy3,5–7 probably constitutes an important source of energy to prokaryoplankton and may increase growth efficiency. These findings suggest that the dependence of prokaryoplankton on respiration and remineralization of phytoplankton-derived organic carbon into CO2 for its energy demands and growth may be lower than commonly assumed and variable among lineages.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».