MétaCan
Menu
Retour à la cohorte
Enregistrement W6948201312 · doi:10.5061/dryad.h70rxwdwg

Data from: The earliest known fungal-induced biomineralization in fossil bones, and its role in the marine ecosystem

2025· dataset· en· W6948201312 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2025
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésBiomineralizationBiogeochemical cycleFossil RecordFluoriteTaphonomyMarine ecosystemTufaEcosystem

Résumé

récupéré en direct d'OpenAlex

Formation of microtubes, defined as small internal borings, in fossil and modern bone is a well-attested phenomenon. However, determining whether microtubes were created by microbial activity or abiotic processes is challenging, particularly in fossils. Here, we report abundant microtubes in compact bone from numerous specimens of the marine reptile Keichousaurus from the Middle Triassic of southwestern China. Light and scanning electron microscope imaging of osteological thin sections, and CT-based 3D reconstruction of the microtubes, reveal geometric features typical of fungal hyphae, such as bifurcation and tight helical coiling. Some microtubes contain what may be the first known fossilized fungal vacuoles. The microtubes are thus likely to be of fungal origin, produced by saprobic marine fungi during decomposition. Furthermore, fluorine is abundant in the compact bone, and even more prevalent in the infillings that occur in many microtubes. The fungi evidently released calcium ions and took up fluorine from the reptiles’ bodies, and promoted the formation of fluorite in the microtubes. The infillings represent the earliest known instance of fungal-induced biomineralization within fossil bone, demonstrating that some Middle Triassic fungi were capable of impacting global biogeochemical cycling by taking up substantial amounts of fluorine.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,379
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,003
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0440,001

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 Opus0,077
Tête enseignante GPT0,311
Écart entre enseignants0,234 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207