MétaCan
Menu
Retour à la cohorte
Enregistrement W4386100084 · doi:10.21203/rs.3.rs-3267072/v1

Removal of soluble Se from mining influenced water by native mine site bacteria depends on the consortium composition

2023· preprint· en· W4386100084 sur OpenAlexafffund
Frank Nkansah-Boadu, Ido Hatam, Stéphane Flibotte, Susan A. Baldwin

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineNursing
ThématiqueSelenium in Biological Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesGenome British Columbia
Mots-clésSelenateEnvironmental chemistryMicroorganismBacteriaBioaccumulationBioremediationNitrateChemistryMetagenomicsBiodegradationSeleniumBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Soluble Se compounds are of great concern in mine influenced water (MIW) from many coal and metal mines due to Se bioaccumulation in aquatic environments and toxicity to birds and fish. Biological treatment to remove soluble Se to regulated levels, which are on the orders of µg-Se/L, is challenging due to the chemical and biological complexity of MIW. For instance, co-contaminant nitrate can inhibit selenate reduction. Native bacteria consortia from mine impacted aquatic environments are sources for known and novel selenate reducing bacteria. In this study, two consortia of native bacteria enriched from different locations on a coalmine known to exhibit elevated release of Se were tested for their ability to remove soluble Se from a typical MIW in sequencing batch bioreactors. One consortium, enriched from an impacted natural vegetated wetland known to harbour native microorganisms involved in selenate-Se reduction, when inoculated into MIW achieved limited soluble Se removal in the presence of nitrate. The other consortium enriched from a disused tailing storage facility achieved greater removal of soluble Se in the presence of nitrate. Genome-resolved metagenomics were used to identify and track consortium members and identify putative novel selenate reducing microorganisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,860

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,121
Tête enseignante GPT0,393
Écart entre enseignants0,272 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetSelenium in Biological SystemsTravaux en français237 207