MétaCan
Menu
Retour à la cohorte
Enregistrement W6962489063 · doi:10.17632/fx3vd2tgcf.2

Data for: Putative past, present, and future spatial distributions of deep-sea coral and sponge microbiomes revealed by predictive models

2025· dataset· en· W6962489063 sur OpenAlexaff

Notice bibliographique

RevueMendeley Data · 2025
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésCoralAbundance (ecology)Host (biology)SalinitySpongeMicrobiomeMetadataReplicate

Résumé

récupéré en direct d'OpenAlex

This dataset includes output rasters of the spatio-temporal model presented in Busch et al. 2024 (Data folder 1) giving cumulative microbial richnesses in deep-sea sponges and corals for the present, and two future scenarios. We also provide point data on the environmental variables used in our predictions (Data file 2): Depth, Slope, Bottom Stress (“BtmStress”), Bottom Current Speed (“BtmCur”), Mixed Layer Depth (“MLD”), Bottom Salinity (“BtmSal”), Sea Surface Salinity (“SSS”), Sea Surface Temperature (“SST”), and Bottom Temperature (“BtmTmp”) averaged for each of the seven time periods (extracted from the Simple Ocean Data Assimilation, SODA, for the past periods 1871-1900, 1901-1930, 1931-1960, 1961-1989; extracted from the BNAM Ocean Model for the present period 1990-2015 and for the future periods 2046-2065 and 2066-2085 under a RCP8.5 scenario). This dataset also contains raw occurrence data compiled from different indicated sources (Data file 3), and presence/absence data (true absences as well as pseudo absences) gridded to be used as model input (Data file 4) of the analysed host species Weberella bursa, Stryphnus fortis, Lophelia pertusa, Desmophyllum dianthus, and Vazella pourtalesii. Another data file (Data file 5) contains an overview of the ENA (European Nucleotide Archive) accession numbers, the original literature sources, and some basic ecological metadata of the used microbial data (16S amplicon data) drawn from the host species. After assigning the microbial abundance status (HMA – high microbial abundance, and LMA – low microbial abundance) to ten key sponge species in the Flemish Cap area area (Asconema foliatum, Geodia barretti, Geodia macandrewii, Geodia parva-phlegraei, Mycale lingua, Stelletta normani, Stryphnus fortis, Stylocordyla borealis, Tentorium semisuberites, and Weberella bursa) we correlated our spatial predictions of status occurrence with predictions of overall ecosystem function, i.e. here nutrient cycling and habitat provision (derived from Murillo et al. 2020, Diversity and Distributions). For our study the original rasters (created by Murillo et al. 2020) were resampled to a 0.088 cell size using Bilinear interpolation as the resampling technique in ArcGIS Pro. Data 6 contains the resampled predictions of overall ecosystem function, as well as our predicted occurrences of the HMA and LMA status, and the respective summed biomasses. In our article (above) we show a biomass network, integrating the generated information on HMA and LMA sponge biomasses with biomass measurements of other sessile filter feeding invertebrates, which occur in high abundances at the Flemish Cap (data taken from Murillo et al. 2020, Diversity and Distributions). Data file 7 contains the underlying biomass data used for the network, covering 116 different species, which are classified according to size (small, medium, medium large, large), functional (passive “PFF”, and active “AFF” filter feeders) and taxonomic (8 phyla) groups.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,295

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0880,051

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 Opus0,040
Tête enseignante GPT0,322
Écart entre enseignants0,281 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMendeley DataTravaux en français237 207