MétaCan
Menu
Retour à la cohorte
Enregistrement W4410156079 · doi:10.1021/acs.energyfuels.5c01399

Microbial Signatures in Oil Reservoirs: Biomarker Stability and Their Role in Subsurface Fluid Monitoring

2025· article· en· W4410156079 sur OpenAlexaff
Haitong Yang, Chunlei Yu, Aliakbar Hassanpouryouzband, Liwen Guo, Junqiang Wang, Shuoliang Wang, Liangliang Jiang

Notice bibliographique

RevueEnergy & Fuels · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésBiomarkerEnvironmental scienceEnvironmental chemistryPetroleum engineeringChemistryGeology

Résumé

récupéré en direct d'OpenAlex

Sustainable energy solutions such as carbon capture, utilization, and storage (CCUS), geothermal energy, and hydrogen storage are vital for achieving low-carbon energy goals. However, these technologies face significant challenges, including gas leakage and the need for reliable monitoring systems within subsurface geological formations. Indigenous microorganisms, naturally widespread in these formations, offer a novel approach for dynamic monitoring over time through DNA sequencing analysis. Yet, critical questions remain: Can ground-level samples accurately represent geological information? How stable is the microbial DNA under surface conditions and for how long? This study investigates the stability of microbial community structures from deep subsurface oil reservoir samples during degradation at room temperature over 120 h. Samples were analyzed at 24 h intervals using DNA extraction, concentration measurements, and sequencing. Microbial diversity was assessed via α and β diversity indexes, while Venn analysis compared community structures to identify formation-specific genera. Findings reveal that microbial profiles from subsurface samples remain largely reflective of their original environments despite surface degradation. This highlights the feasibility of using subsurface microbial biosensing for dynamic environmental monitoring. By addressing the stability of microbial data, this research enhances the potential of DNA-based tools to support CCUS, geothermal energy, and hydrogen storage. It underscores the role of microbial biosensing in advancing sustainable energy practices, offering a robust framework for tackling challenges in subsurface monitoring, while contributing to the transition toward a low-carbon future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,007
Tête enseignante GPT0,211
Écart entre enseignants0,204 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207