Caractérisation physiologique des populations bactériennes contaminant les machines des pâtes et papier
Bibliographic record
Abstract
La fabrication du papier fait appel à l'utilisation d'une grande quantité d'eau ainsi que des matières organiques (cellulose, hémicellulose, résine de bois et amidon), ces dernières favorisent la formation des biofilms microbien qui contaminent les machines et conduisent à des multitudes de problèmes que connaissent les industries papetières dans le monde entier et au Canada en particulier. Des systèmes de contrôle sont mis sur place dans les usines pour suivre l'évolution des contaminations sur les structures à des points jugés critiques. Dans le but de caractériser les microorganismes contaminant une usine papetière canadienne mais aussi d'avoir une idée sur la dynamique des populations microbiennes contaminant les machines des pâte et papier, des échantillons de l'eau de caisses d'arrivée provenant de deux machines ont été prélevés hebdomadairement sur une période de 24 mois afin de déterminer la dynamique des communautés microbiennes entre elles, en fonction du temps et de l'espace, en utilisant le système Biolog. Les résultats de la caractérisation montrent que les genres Bacillus, Pseudomonas, Pseudoxanthomonas, sont prédominants dans l'ensemble des échantillons. En ce qui concerne la dynamique des communautés microbiennes, l'étude n'a révélé aucun changement significatif entre les communautés microbiennes des deux machines pendant les deux années d'investigation à part au mois de Juillet 2003 où les communautés bactériennes ont montré une nette différence. Selon le profil d'utilisation des sources de carbones de la plaque Biolog par les communautés bactériennes isolées des échantillons, notre étude a montré que seulement dix huit sources de carbone ont pu être utilisées sur les trente et une que compte la plaque Biolog. Quatre groupes de bactéries présentant une activité métabolique différente variant de faible à forte ont été identifiés. Certaines sources de carbone sont plus utilisées que d'autres et la seule source de carbone qui n'a pas été utilisée par les communautés bactériennes des deux machines durant toute l'étude est l'acide 2-hydroxybenzoïque.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".