Geospatial analysis reveals a hotspot of fecal bacteria in Canadian prairie lakes linked to agricultural non-point sources
Notice bibliographique
Résumé
Lakes are sentinels of environmental changes within their watersheds including those induced by a changing climate and anthropogenic activities. In particular, contamination originating from point or non-point sources (NPS) within watersheds might be reflected in changes in the bacterial composition of lake water. We assessed the abundance of potentially pathogenic bacteria (PPB) sampled in 413 lakes within 8 southern Canadian ecozones that represent a wide diversity of lakes and watershed land use. The study objectives were (1) to explore the diversity of PPB; (2) to build a fecal multi-indicator from a cluster of co-occurring PPB; and (3) to predict the fecal multi-indicator over thousands of lakes. We identified bacterial taxa based on 16S rRNA amplicon sequencing and clustered 33 PPB matching taxa in the Canadian ePATHogen database using a Sørensen dissimilarity index on binary data across the sampled lakes. One cluster contained Erysipelothrix, Desulfovibrio, Bacteroides, Vibrio and Acholeplasma and was related to the NPS fraction of agriculture and pasture within the watershed as its main driver and thus it was determined as the fecal multi-indicator. We subsequently developed a fecal multi-indicator predictive model across 200 212 southern Canadian lakes which explained 55.1% of the deviance. Mapping the predictions showed higher fecal multi-indicator abundances in the Prairies and Boreal Plains compared to the other ecozones. These results represent the first attempt to map a potential fecal multi-indicator at the continental scale, which may be further improved in the future. Lastly, the study demonstrates the capacity of a multi-disciplinary approach leveraging both datasets derived from remote sensing and DNA sequencing to provide mapping information for public health governmental policies.
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 | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».