MétaCan
Menu
Retour à la cohorte
Enregistrement W6902039624 · doi:10.6084/m9.figshare.13242562

Bacterial and Archaeal Diversity in Sulfide-Bearing Waste Rock at Faro Mine Complex, Yukon Territory, Canada

2020· article· en· W6902039624 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSulfurMicroorganismBiogeochemical cycleAcid mine drainageArchaeaSulfideBacteriaAbundance (ecology)Borehole

Résumé

récupéré en direct d'OpenAlex

Acid mine/rock drainage (AMD/ARD) is generated by the microbially-accelerated oxidative dissolution of sulfide minerals in working and abandoned mine sites, and some natural environments. Iron-oxidizing microorganisms (IOM) regenerate the oxidant Fe3+, while sulfur-oxidizing microorganisms (SOM) contribute to AMD/ARD by generating H2SO4 via the oxidation of elemental S and reduced inorganic sulfur compounds. Bacterial and archaeal diversity in 34 samples of sulfide-bearing waste rock recovered from three boreholes at the Faro Mine Complex (Yukon Territory, Canada; Pb/Zn production from 1969 to 1998) was investigated using high-throughput amplicon sequencing of 16S rRNA genes. A majority of the borehole pore water samples had circum-neutral or mildly alkaline pH (6.3 − 8.7), while some had low pH (3.3 − 5.2). Mean relative abundance of prokaryotic SOM/IOM accounted for 3.4% of the total amplicons. The acidophilic genera Alicyclobacillus and Acidithiobacillus were the most abundant sulfur- and iron-metabolizing prokaryotes detected, followed by neutrophilic and moderately acidophilic (non-iron-oxidizing) SOM. Sulfate-reducing bacteria (SRB) were also detected, accounting for 0.6% of total reads. The presence of both acidophilic and neutrophilic prokaryotes catalyzing transformations of sulfur and iron in the same samples suggests development of microenvironments within the waste rock where dynamic biogeochemical transformations of these elements occur.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,210
Écart entre enseignants0,174 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetMine drainage and remediation techniquesTravaux en français237 207