Overview Article Photosynthetic carbon allocation: Effects of planktivorous fish and nutrient enrichment
Notice bibliographique
Résumé
Abstract. The proportions of lipid, polysaccharide and protein profoundly influence the nutritional value of food for planktonic organisms. Here, we investigated the ef-fects of nutrients (N and P) and planktivorous fish (Phox-inus sp.) on the partitioning of photosynthetically fixed 14C-labelled bicarbonate into macromolecules (lipids, polysaccharides and proteins) and low molecular weight (LMW) metabolites of epilimnetic phytoplankton living in large (8 m diameter) enclosures from July to mid-Oc-tober 1991. The enclosures were situated in an olig-otrophic lake (north of Montreal, Canada) in both shallow (3.5 m) and deep (11 m) locations. The fractions were cal-culated using the sequential extraction of 14C-labeled phytoplankton samples incubated for short duration (~2 hours) at maximum photosynthetic rates. Labelling pat-terns of all end products exhibited great temporal varia-tions. Overall, the LMW, polysaccharide, lipid and pro-tein fractions accounted for 32.1 ± 10.5%, 31.0 ± 8.8%, 19.2 ± 5.3 % and 17.8 ± 6.1 % of the total 14C fixed respectively. Percent 14C in the LMW fraction was, in general, lower in the nutrient-enriched enclosure and was usually lower in the deep than the shallow enclosures. The effect of fish on the labelling pattern of LMW varied throughout the sampling period but, overall, its impact was non-significant. The proportions of 14C into lipids and polysaccharides did not show the expected increase under nutrient deficiency. In contrast, the polysaccharide fraction increased, for the most part, with nutrient enrichment and was higher in the deep than the shallow enclosures with little changes in the presence of plank-tivorous fish. Incorporation of 14C into lipids remained
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».