MétaCan
Menu
Retour à la cohorte
Enregistrement W4387226457 · doi:10.59720/19-107

Temperatures of 20°C Produce Increased Net Primary Production in Chlorella sp.

2020· article· en· W4387226457 sur OpenAlexaff
Kiran J. Biddinger, Emma Bradley, Julie Seplaki

Notice bibliographique

RevueJournal of Emerging Investigators · 2020
Typearticle
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensMilton District Hospital
Organismes subventionnairesnon disponible
Mots-clésPhotosynthesisAutotrophChlorellaCarbon dioxidePrimary productionRuBisCOChemistrySugarBotanyAlgaeEnvironmental chemistryBiologyEcologyEcosystemBiochemistry

Résumé

récupéré en direct d'OpenAlex

Chlorella sp. are autotrophs that introduce stored energy into biological systems through photosynthesis. Net primary production (NPP) reflects the amount of energy converted to sugar bond energy in photosynthesis minus the amount of energy consumed by cellular respiration. Because carbon dioxide (CO2) acidifies water, the net CO2 production leads to a change in pH that reflects the NPP. Establishing a relationship between temperature and NPP could provide insights into maximizing the biological removal of CO2 from the atmosphere. In this experiment, the effect of temperature on the NPP of Chlorella sp. was measured as a function of ∆pH, which was determined using a standard curve of buffers of known pH versus absorbance. The ∆pH increased as the incubation temperatures increased towards 20°C, and then as the temperatures increased after 20°C, the ∆pH decreased, indicating that the NPP of the Chlorella sp. was maximized around 20°C. Around 20°C, the enzymes involved in photosynthesis, such as rubisco, may approach their optimal temperatures and thus be maximally efficient. As global warming is caused by excess CO2 in the atmosphere, Chlorella incubated at temperatures around 20°C would be maximally efficient at naturally removing CO2 through photosynthesis and could provide useful insights for new technologies to fight climate change.

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)0,001
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 enseignants0,048
Score d'incertitude au seuil0,567

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,231
Écart entre enseignants0,212 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Emerging InvestigatorsMême sujetAlgal biology and biofuel productionTravaux en français237 207