MétaCan
Menu
Retour à la cohorte
Enregistrement W4403260567 · doi:10.2965/jwet.24-047

Methanogens’ Death Induced by Sulphide and its Kinetic Modelling

2024· article· en· W4403260567 sur OpenAlexaff
Oanh Thi Phung, Meng Sun, Mitsuharu Terashima, Rajeev Goel, Hidenari Yasui

Notice bibliographique

RevueJournal of Water and Environment Technology · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCassava research and cyanide
Établissements canadiensHydromantis Environmental Software Solutions (Canada)
Organismes subventionnairesScience and Technology Research Partnership for Sustainable DevelopmentJapan Science and Technology AgencyJapan Society for the Promotion of ScienceJapan International Cooperation Agency
Mots-clésEnvironmental scienceKinetic energyPhysics

Résumé

récupéré en direct d'OpenAlex

This study is aimed at investigating the poisoning effect of sulphide on methanogenic cultures. Using cultures enriched with either acetate or formate as a sole electron donor, sets of 1-week batch inhibition tests were performed to analyse the dynamic change of the living microorganism concentrations under the varied sulphide concentrations between zero and 400 mg-S L−1. In both cultures, the cellular decay was doubled when the cultures were placed in 100 mg-S L–1 of total sulphide. When the cultures were exposed to higher sulphide, higher specific decay rates were obtained. Because of the low correlations of the unionised sulphide concentrations to the specific decay rates, the total sulphide concentration was thought to be the dominant inhibition factor rather than its unionised form. To express the acceleration of cellular decay, a mathematical model was developed. Since the decay phenomena of both cultures were quite similar to each other, a culture-wide empirical formula was obtained to calculate the specific decay rate. In the model equation, the specific decay rate of the methanogenic cultures was linearly expressed with a coefficient of 0.30∙10−3 ± 0.05∙10−3 mg-S−1 L d−1 for sulphide concentration and a coefficient of 0.044 ± 0.013 d–1 for the inherent specific decay rate.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,092
Score d'incertitude au seuil0,103

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,028
Tête enseignante GPT0,220
Écart entre enseignants0,192 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water and Environment TechnologyMême sujetCassava research and cyanideTravaux en français237 207