O2 partitioning of sulfur oxidizing bacteria drives acidity and thiosulfate distributions in mining waters
Notice bibliographique
Résumé
Abstract The acidification of water in mining areas is a global environmental issue primarily catalyzed by sulfur-oxidizing bacteria (SOB). Little is known about microbial sulfur cycling in circumneutral pH mine tailing impoundment waters. Here we investigate biological sulfur oxidation over four years in a mine tailings impoundment water cap, integrating aqueous sulfur geochemistry, genome-resolved metagenomics and metatranscriptomics. The microbial community is consistently dominated by neutrophilic, chemolithoautotrophic SOB (relative abundances of ~76% in 2015, ~55% in 2016/2017 and ~60% in 2018). Results reveal two SOB strategies alternately dominate across the four years, influencing acid generation and sulfur speciation. Under oxic conditions, novel Halothiobacillus drive lower pH conditions (as low as 4.3) and lower [S 2 O 3 2− ] via the complete Sox pathway coupled to O 2 . Under anoxic conditions, Thiobacillus spp. dominate in activity, via the incomplete Sox and rDSR pathways coupled to NO 3 − , resulting in higher [S 2 O 3 2− ] and no net significant acidity generation. This study provides genomic evidence explaining acidity generation and thiosulfate accumulation patterns in a circumneutral mine tailing impoundment and has significant environmental applications in preventing the discharge of sulfur compounds that can impact downstream environments. These insights illuminate opportunities for in situ biotreatment of reduced sulfur compounds and prediction of acidification events using gene-based monitoring and in situ RNA detection.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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 tête enseignante, 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 ».