Microbial biodiversity of high Arctic wetland cryosolic soils and development of phylogenetic microarrays for polar applications
Bibliographic record
Abstract
Cette thèse comprenait deux études : la biodiversité de cryosols arctiques humides et l'examen de deux biopuces à ADN phylogénétiques en utilisant des échantillons environnementaux du grand arctique canadien. La première partie impliquait des analyses dépendantes et indépendantes des conditions de culture pour évaluer la diversité et la structure des communautés microbiennes. Les communautés des couches actives étaient clairement distinctes des communautés du pergélisol dans les profils DGGE, les librairies de clones 16S pour Bactéries et Archaea de même que les énumérations du nombre total de cellules et du nombre de cellules viables. Les résultats ont indiqué de nouveaux aspects des cryosols arctiques humides comparés aux études précédentes de pergélisol. Comparaisons à d'autres pergélisols arctiques et des sols humides tempérés dans les études des clones 16S rDNA démontrent des caractéristiques communes aux communautés adaptes au froid et des sols humides arctiques. La deuxième partie impliquait la comparaison des caractérisations de deux biopuces phylogénétiques (PGMA) à deux librairies de clones de six sites du grand arctique, construites préalablement. Un environnement général PGMA (GE.10) et un PGMA spécifiquement concu pour des cryo-environnements (cryo-PGMA) ont été évalués. Les données combinées, « dual-PGMA », avaient une couverture modérée des taxons des librairies de clones (51%) et ont détecté les genres correspondants des échantillons à un taux relativement bas (26%). Le « dual-PGMA » a démontré sa capacité de reproduire la structure phylogénétique générale de la communauté identifiée dans les librairies de clones et a contribue des détails taxonomiques non trouvés préalablement. Le « dual-PGMA » avait une sensitivité comparable à d'autres plateformes PGMA et a détecté des taxons regroupant 0.6% du total des lib
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 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".