Les processus écologiques impliqués dans l’assemblage des communautés archées, bactéries, et eucaryotes varient dans l’eau souterraine des aquifères des Laurentides à un niveau régional
Bibliographic record
Abstract
Les milieux d’eau douce souterraine sont, en raison de leur difficulté d’accès, très peu étudiés. Ils constituent cependant l’habitat d’une grande part des microorganismes terrestres. Des représentants de chacun des trois grands domaines de la vie y sont présents : des archées, des bactéries et des eucaryotes. Bien qu’adaptés à cet environnement oligotrophe, ils sont potentiellement sensibles à la composition de leurs environnements. Connaitre les mécanismes qui régissent leurs distributions permettrait donc de mieux comprendre l’écosystème que forme l’aquifère, source de la majorité de l’eau douce potable au Canada. Nous avons donc étudié la distribution biogéographique des microorganismes dans l’eau souterraine des aquifères des Laurentides. Pour cela 35 puits répartis sur une surface de 10 000 km2 ont été échantillonnés afin d’identifier par une approche génomique les microorganismes qui y résident. Les données obtenues nous ont permis d’analyser l’impact de la distance géographique, de la composition de l’eau et des interactions entres espèces sur ces communautés. Une analyse par modèle nulle a aussi été réalisée afin de s’affranchir des paramètres mesures et d’observer les processus écologiques dirigeant l’assemblage de ces communautés. Les résultats obtenus confirment l’impact important de la distance sur la composition des communautés des trois domaines. Son influence est plus importante que celle des paramètres de composition de l’eau analyse. Le pH et une association de plusieurs éléments (sodium, magnésium, carbone inorganique dissout, et conductivité) permettent d’expliquer une part de la variation chez les communautés microbiennes. Mais celle si n’est que très faible comparé à la part des mécanismes de sélection impliqués tirés de l’analyse des processus écologiques. Cette méthode nous a permis d’observer la prépondérance des mécanismes déterministe sur les mécanismes stochastiques dans l’assemblage des commutés des trois domaines. Nous avons aussi pu observer une certaine similarité dans la part des mécanismes impliqués entre ces trois groupes. Cette apparente similarité ne reflète cependant pas l’hétérogénéité observée au niveau de l’assemblage des phylums. Ces résultats mettent en lumière la nécessité de considérer l’importante diversité que cache chaque domaine pour mieux comprendre le fonctionnement d’un écosystème. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Biogéographie, Processus écologiques, Limite de dispersion, archées, bactéries, eucaryotes, aquifères.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".