Metabolic quotient and specific enzymatic activity in response to the addition of organic amendments to mining tailings
Notice bibliographique
Résumé
Abstract Adding organic amendments to mining tailings to ameliorate extreme conditions that limit plant growth is a common practice in reclamation projects; still, the impact on microbial activity is not commonly considered. This work aimed to explore the use of the metabolic quotient and specific enzymatic activity as indicators of microbial carbon use efficiency in response to adding organic amendments to mining tailings. An experiment in vitro on adding organic amendments: compost, biochar, a mixture of them, and no addition on mining tailing from Taxco, Guerrero, Mexico, was established. Carbon mineralization, microbial biomass, and the enzymatic activity of β-glucosidase, phosphatase, polyphenol oxidase, and dehydrogenase were measured, while specific enzymatic activity and metabolic quotient were calculated. The results showed that microbial activity increased by adding all organic amendments in the following order: compost > mixture > biochar. In the treatment with the addition of compost, we observed a higher carbon mineralization and a greater enzymatic activity. The treatment with adding biochar showed similarities with the control treatment in parameters related to carbon dynamics, such as β-glucosidase, dehydrogenase, and carbon mineralization. This reflects microorganisms’ trade-off between investing energy in searching for resources or using them to improve their biomass clearly to view the specific enzymatic activity and metabolic quotient indicators.
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 | 0,001 | 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) | 0,000 | 0,000 |
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.
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 ».