Comparing off‐flavor trends in freshwater recirculating aquaculture systems with microbially mature or immature biofilters while growing Atlantic salmon <scp> <i>Salmo salar</i> </scp>
Notice bibliographique
Résumé
Abstract Geosmin (GSM) and 2‐methylisoborneol (MIB) cause objectionable off‐flavors in fish produced in recirculating aquaculture systems (RAS). Remediation solutions have not been developed; therefore, a study was conducted to determine if microbial maturity limits off‐flavor production. Triplicate RAS with newly established nitrification (“immature”) were compared to “mature” RAS operated continuously for 2.5 years, while growing market‐size Atlantic salmon, Salmo salar . Mean waterborne GSM and MIB levels peaked at 35–40 ng/L in the immature RAS but were maintained at <13 ng/L in the mature RAS. Similar trends were reflected in salmon flesh. After 2 months, fillet GSM levels in the immature and mature RAS were 696 ± 31 and 247 ± 30 ng/kg ( p = 0.001) respectively, and MIB was consistently higher in salmon from the immature RAS. The abundance of off‐flavor‐producing organisms was not associated with off‐flavor trends, suggesting production was related to the RAS environment. Total ammonia nitrogen, nitrite‐nitrogen, total suspended solids, heterotrophic bacteria count, and true color were significantly higher in the immature RAS, and nitrifier abundance was generally lower and less stable. Of these, machine learning identified true color as the most important feature affecting GSM. Ultimately, the microbially mature RAS minimized off‐flavor in water and salmon flesh.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».