DNA Barcoding and Water Quality Analysis of Nitrifying Bacteria in Lebak Lebung Swamp, South Sumatera
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aquaculture development activities in swamp water has the problem of contamination from organic matter, and this waste has the potential for environmental challange.Nitrifying bacteria are a natural instrument that can play a role in maintaining the stability of the quality of swamp waters through their role as bioremediator.Therefore, its presence is important to identify in waters.The aim of the research is to determine the types and characteristics of bioremediation bacteria, construct a phylogenetic tree and the relationship between water quality and the bioremediation process by bacteria so that in the future it can be applied to waters that have the same problems or become a bioindicator for certain pollutants, especially in the area of Lebak Lebung Swamp, Ogan.Ilir, South Sumatra.The method used is taking bacterial samples, isolating bacteria using Nutrient Agar (NA) media, observing bacterial morphology, DNA sequencing, amplifying DNA mitochondria COI using PCR (Polymerase Chain Reaction).The results of BLASTn (Basic Local Alignment Search Tool-nucleotide) analysis showed the highest percentage of identity, namely 93%, with the Burkholderia cepacia strain NBRAJG97 from India and Burkholderia sp.strain 172 1492R comes from Estonia which indicates that the bacteria found belong to the Burkholderia bacteria group.Water quality measurement was temperature 34.7-35.4℃,dissolved oxygen 6.0-6.2 mgL -1 , pH 6.2, ammonia 0.05 mgL -1 .Based on air quality indications such as low ammonia content, this could indicate that the Burkholderia bacteria found in Lebak Lebung Swamp play a role as bioremediation.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle