Phytoplankton metabolite profiles from two Lake Ontario Areas of Concern reveal differences associated with taxonomic community composition
Notice bibliographique
Résumé
Water quality and phytoplankton community composition are important factors that can indicate freshwater ecosystem health. We combined water quality, phytoplankton community, and metabolomic data from algae and water sampled from two embayments in Lake Ontario, Hamilton Harbour and the Bay of Quinte, over ten weeks from August to October in the year 2020. Metabolomics was performed using liquid chromatography tandem mass spectroscopy (LC-MS/MS) to identify changes in intracellular metabolites within algae communities over time, and Fourier transform ion cyclotron resonance mass spectrometry (FT-ICR-MS) was used to characterize putative isomers of extracellular metabolites at sub-ppb mass accuracy. Results from this study indicate that Hamilton Harbour and the Bay of Quinte are two very different ecosystems with respect to water quality, phytoplankton metabolites, and phytoplankton community composition. Community composition is strongly driven by conductivity and nitrates in Hamilton Harbour, while the opposite is true in the Bay of Quinte. Metabolites including α-aminobutyric acid and glycine were found in larger abundance within algal communities at both locations, while taurine was more predominant in algal communities from the Bay of Quinte. These metabolic profiles could reflect the different communities of phytoplankton, and be alternative indicators of algal bloom growth.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».