Breytileiki baktería á milli þriggja jarðvegsgerða í Húsafelli
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Eftirfarandi ritgerð er lögð fram sem lokaverkefni til BSc-gráðu við Landbúnaðarháskóla Íslands, vorið 2018. Markmið rannsóknarinnar var að skoða breytileika í bakteríu samfélagi í íslenskum jarðvegi. Borinn var saman bakteríu fjölbreytileiki í þremur mismunandi gróðurgerðum, þ.e. mel, mó- og skóglendi. Þar að auki var nokkrum umhverfisþáttum, sem gætu haft áhrif á bakteríu breytileikann, gerð skil. Engar rannsóknir hafa verið framkvæmdar um breytileika í samfélagi jarðvegsbaktería hér á landi með þeim aðferðum sem var beitt í þessari rannsókn. Jarðvegssýnin, sem verkefnið byggir á, voru tekin við Húsafell á þremur mismunandi svæðum með þremur endurtekningum. Erfðaefni bakteríanna var einangrað úr jarðvegssýnunum og sent í 16S rRNA gena raðgreiningu til Quebec í Kanada. Genaraðir voru meðhöndlaðar með ýmsum tölvuforritum þ.m.t. MobaXTerm, DaDa2 og Qiime2 til að fá fram þann fjölbreytileika baktería sem var til staðar í jarðvegsýnunum. Niðurstöður sýndu að mesti munur á samfélögum jarðvegsbaktería var á milli melsins annarsvegar og mó- og skóglendisins hins vegar. Mögulega er meiri fjölbreytileiki jarðvegsbaktería í melajarðvegi en öðrum jarðvegsgerðum en frekari rannsókna er þörf til að prófa þá tilgátu betur. Þau eðlis- og efnafræðilegu umhverfisáhrif sem hafa áhrif á fjölbreytileikann eru einkum sýrustig (pH H2O) ásamt kolefnis- og C/N hlutfalli jarðvegsins. Einhver fjölbreytileiki sást ef borinn var saman fjölbreytileiki mólendis við skóglendi. Nokkur breytileiki sást á milli mólendis og skóglendis og einn skógarreiturinn skar sig mikið út en þar var sýrustig hærra og minna af lífrænum efnum en í hinum mó- og skóglendisreitunum.
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.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,274 | 0,239 |
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 découle