Temperature‐mediated microbial carbon utilization in China's lakes
Notice bibliographique
Résumé
Microbes play an important role in aquatic carbon cycling but we have a limited understanding of their functional responses to changes in temperature across large geographic areas. Here, we explored how microbial communities utilized different carbon substrates and the underlying ecological mechanisms along a space-for-time substitution temperature gradient of future climate change. The gradient included 47 lakes from five major lake regions in China spanning a difference of nearly 15°C in mean annual temperatures (MAT). Our results indicated that lakes from warmer regions generally had lower values of variables related to carbon concentrations and greater carbon utilization than those from colder regions. The greater utilization of carbon substrates under higher temperatures could be attributed to changes in bacterial community composition, with a greater abundance of Cyanobacteria and Actinobacteriota and less Proteobacteria in warmer lake regions. We also found that the core species in microbial networks changed with increasing temperature, from Hydrogenophaga and Rhodobacteraceae, which inhibited the utilization of amino acids and carbohydrates, to the CL500-29-marine-group, which promoted the utilization of all almost carbon substrates. Overall, our findings suggest that temperature can mediate aquatic carbon utilization by changing the interactions between bacteria and individual carbon substrates, and the discovery of core species that affect carbon utilization provides insight into potential carbon sequestration within inland water bodies under future climate warming.
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 | 0,001 |
| 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) | 0,001 | 0,001 |
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 ».