MétaCan
Menu
← Retour à la cohorte
Enregistrement W629413290 · doi:10.2521/jswtb.48.89

A Kinetic Expression for the Growth and Decay of Nitrite Oxidising Bacteria

2012· article· en· W629413290 sur OpenAlexaff
Bing Liu, Daisuke Naka, Ian Jarvis, Rajeev Goel, Hidenari Yasui

Notice bibliographique

RevueJapanese Journal of Water Treatment Biology · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensHydromantis Environmental Software Solutions (Canada)
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésNitriteBacteriaKinetic energyExpression (computer science)ChemistryEnvironmental chemistryBiochemical engineeringThermodynamicsBiologyPhysicsEngineeringOrganic chemistryNitrateComputer scienceGeneticsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

亜硝酸酸化細菌による亜硝酸塩の硝酸塩へ酸化は、高濃度の亜硝酸によって阻害されることが知られている。このことを定量的に表現するために、回分実験をもとに亜硝酸酸化細菌の増殖と阻害に関する動力学モデルを作成することにした。高濃度亜硝酸に急激に暴露された亜硝酸酸化細菌は、ショックによって一時的に酸素吸収速度(増殖速度)が低下した。これらの濃度が酸素吸収速度に与える影響は非拮抗阻害型あるいは拮抗阻害型のMonod式で示され、ショックからの回復には経過時間をパラメータとする項をMonod式に加えることでその応答を精度よく表現することができた。一方、亜硝酸が一定濃度以上でシステムに存在すると、亜硝酸酸化細菌は徐々に死滅(不活性化)することも長期的な培養実験によって明らかになった。これらのことから、亜硝酸酸化細菌の阻害は増殖段階と死滅段階でそれぞれ別のメカニズムによって起きると推定された。亜硝酸によって死滅が促進されることを表現するために、亜硝酸による毒性の闘値を定義し、死滅全体の反応を⑴通常の自己分解、⑵亜硝酸の毒性による失活、の2つの素プロセスの和と考えた動力学モデルを作成した。これによって、亜硝酸が125-2,000 mgN/lの幅広い条件における亜硝酸酸化の回分反応パターンを説明することができた。

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,243
Écart entre enseignants0,226 · 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'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

Citations5
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJapanese Journal of Water Treatment Biology→Même sujetWastewater Treatment and Nitrogen Removal→Travaux en français237 207→