MétaCan
Menu
Retour à la cohorte
Enregistrement W4380082832 · doi:10.1098/rsfs.2022.0080

Cellular RNA levels define heterotrophic substrate-uptake rate sub-guilds in activated sludge microbial communities

2023· article· en· W4380082832 sur OpenAlexafffund
Bing Guo, Dominic Frigon

Notice bibliographique

RevueInterface Focus · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensMcGill University
Organismes subventionnairesGénome QuébecNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésRNA16S ribosomal RNARibosomal RNAActivated sludgeHeterotrophBiologyPopulationPolyhydroxyalkanoatesFood scienceGeneEcologyBiochemistryBacteriaGeneticsSewage treatmentEnvironmental engineeringEnvironmental science

Résumé

récupéré en direct d'OpenAlex

A heterotrophic-specialist model was proposed previously to divide wastewater treatment plant (WWTP) heterotrophs into sub-guilds of consumers of readily or slowly degradable substrates (RDS or SDS, respectively). The substrate degradation rate model coupled to metabolic considerations predicted that RNA and polyhydroxyalkanoate (PHA) levels would be positively correlated in the activated sludge communities with high RNA and PHA occurring in RDS-consumers, and low RNA with no PHA accumulation occurring in SDS-consumers because their external substrates are always present. This prediction was verified in previous studies and in the current one. Thus, RNA and PHA levels were used as biomarkers of the RDS- and SDS-consumer sub-guilds for cell sorting using flow cytometry of samples from three WWTPs. Subsequently, 16S rRNA gene amplicon sequencing revealed that the sorted groups were highly similar over time and among WWTPs, and demonstrated a clear segregation by RNA levels. Predicted ecophysiological traits based on 16S rRNA phylogeny suggested that the high-RNA population showed RDS-consumer traits such as higher rrn copy numbers per genome. Using a mass-flow immigration model, it appeared that the high-RNA populations exhibited high immigration rates more frequently than low-RNA populations, but the differences in frequencies were less with increasing solids residence times.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,031
Tête enseignante GPT0,238
Écart entre enseignants0,207 · 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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInterface FocusMême sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207