Glyphosate Biodegradation by Airborne Plant Growth-Promoting Bacteria: Influence on Soil Microbiome Dynamics
Notice bibliographique
Résumé
Due to its persistence, glyphosate contamination in soil poses environmental and health risks. Plant growth-promoting bacteria (PGPB) offer a potential solution for mitigating glyphosate pollution. This study assessed the glyphosate degradation capacity of three airborne PGPB isolates (Exiguobacterium indicum AS03, Kocuria sediminis AS04, and Rhodococcus rhodochrous AS33) individually and in a consortium (CS) compared to natural attenuation in microcosms as the control (CTL), where soil autochthonous microorganisms (MS) were present. AS03 exhibited the highest glyphosate degradation (86.3%), followed by AS04 and AS33 at 14 days (61.6% and 64.7%). The consortium accelerated glyphosate removal, reaching 99.7%, while the control treatment removal was 94% at 60 days. Aminomethylphosphonic acid (AMPA) is the main metabolite in glyphosate degradation, and it had a maximum peak in concentration at 28 days in the CS + MS (1072 mg kg−1) and CTL (990 mg kg−1) treatments. Subsequently, a decrease in AMPA concentration was observed at 60 days up to 349 mg kg−1 and 390 mg kg−1, respectively. These results suggested that soil autochthonous microorganisms and their interactions with a consortium have similar biotransformation of glyphosate, but the AMPA conversion to other intermedium metabolites through degradation was slow. A minimum AMPA concentration of 15–45 mg kg−1 over time was detected with the consortium. The microbiome analysis revealed shifts in microbial composition, with an increase in glyphosate-degrading genera like Psychrobacter and Lyzobacter. These changes enhance soil resilience and fertility, demonstrating the potential of airborne PGPB for bioremediation and environmental sustainability.
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 ».