MétaCan
Menu
Retour à la cohorte
Enregistrement W4386002784 · doi:10.1016/j.jtbi.2023.111597

Disentangling the growth curve of microbial culture

2023· article· en· W4386002784 sur OpenAlexaff
Daiki Kumakura, Ryo Yamaguchi, Akane Hara, Shinji Nakaoka

Notice bibliographique

RevueJournal of Theoretical Biology · 2023
Typearticle
Langueen
DomaineChemistry
Thématiquethermodynamics and calorimetric analyses
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesRIKENJapan Science and Technology AgencyJapan Society for the Promotion of Science
Mots-clésLimitingBacterial growthDynamics (music)Growth curve (statistics)Biological systemSubstrate (aquarium)PopulationBiochemical engineeringStationary phaseBiologyEcologyMathematicsEconometricsChemistryBacteriaPhysicsChromatographyEngineering

Résumé

récupéré en direct d'OpenAlex

Many researchers have studied the population dynamics of microbe of microbes as a typical example of population dynamics. The Monod equation, which mainly focuses on the growth and stationary phases, is used when plotting a growth curve. However, the growth potential in the late stage of culture has been overlooked. Previous studies considered the direct degradation of products to the limiting substrate. In this study, we considered microbial growth during the stationary phase, which enables us to describe the dynamics precisely. The microbes were divided into two populations: one grew by consuming the limiting substrate and the other degraded the products by metabolism. According to the numerical analysis of our model, microbes may choose one of two strategies: one consumes substrates and expands quickly, and the other grows slowly while cleaning up the environment in which they thrive. Furthermore, we found three types of microbial growth depending on their ability to detect metabolite accumulation. Using experimentally measured data, this model can estimate the dynamics of cell density, the substrates, and the metabolites used. The model's disentangling of growth curves offers novel interpretive possibilities for culture system dynamics.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,264
Écart entre enseignants0,256 · 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'étudeThéorique ou conceptuel
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

Citations27
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Theoretical BiologyMême sujetthermodynamics and calorimetric analysesTravaux en français237 207