Promoting effects of aluminum addition on chlorophyll biosynthesis and growth of two cultured iron‐limited marine diatoms
Notice bibliographique
Résumé
Abstract Aluminum (Al) may play a role in the ocean's capacity for absorbing atmospheric CO 2 via influencing carbon fixation, export, and sequestration. Aluminum fertilization, especially in iron (Fe)‐limited high‐nutrient, low‐chlorophyll ocean regions, has been proposed as a potential CO 2 removal strategy to mitigate global warming. However, how Al addition would influence the solubility and bioavailability of Fe as well as the physiology of Fe‐limited phytoplankton has not yet been examined. Here, we show that Al addition (20 and 100 nM) had little influence on the Fe solubility in surface seawater and decreased the Fe bio‐uptake by 11–22% in Fe‐limited diatom Thalassiosira weissflogii in Fe‐buffered media. On the other hand, the Al addition significantly increased the rate of chlorophyll biosynthesis by 45–60% for Fe‐limited T. weissflogii and 81–102% for Fe‐limited Thalassiosira pseudonana , as well as their cell size, cellular chlorophyll content, photosynthetic quantum efficiency ( F v / F m ) and growth rate. Under Fe‐sufficient conditions, the Al addition still led to an increased growth rate, though the beneficial effects of Al addition on chlorophyll biosynthesis were no longer apparent. These results suggest that Al may facilitate chlorophyll biosynthesis and benefit the photosynthetic efficiency and growth of Fe‐limited diatoms. We speculate that Al addition may enhance intracellular Fe use efficiency for chlorophyll biosynthesis by facilitating the superoxide‐mediated intracellular reduction of Fe(III) to Fe(II). Our study provides new evidence and support for the iron–aluminum hypothesis.
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 | 0,000 |
| 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 ».