Breytileiki baktería á milli þriggja jarðvegsgerða í Húsafelli
Bibliographic record
Abstract
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.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.079 | 0.031 |
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".