A universal empirical equation to estimate the abundance of carbapenem-resistant genes during aerobic digestion of wastewater sludge
Notice bibliographique
Résumé
ABSTRACT Carbapenem-resistant genes (CRGs) exist in wastewater and accumulate in wastewater sludge. Due to the potential threat posed by the CRGs, it is important to quantify CRGs and predict their removal and discharge concentrations during aerobic sludge digestion. Nonetheless, gene quantification is tedious, error-prone and expensive. This study aims to develop multiple regression models to estimate CRGs from sludge parameters that are routinely measured for the monitoring and design of aerobic sludge digesters. Batch reactors were operated at mesophilic and thermophilic temperatures for 20-35 days. Sludge samples were periodically taken during aerobic digestion. Three CRGs (blaGES, blaOXA-48 and blaIMP-27) together with 16S rRNA and integron class 1 genes were quantified. Aerobic digestion reduced the abundance of all target genes. Multiple regression modelling was conducted in linear (LM) and non-linear (NLM) modes. Sums of squared errors of the LM models were 0-0.048, whereas those of the NLM models were 0–0.003. Adjusted R2 ranges of the LM and NLM models were 0.774–0.931 and 0.986–1, respectively. Overall, the NLM models predicted the abundance of target genes more accurately than the LM models. NLM models may be used to modify the design and operational parameters of aerobic sludge digesters.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».