XiaoMi-AI文件搜索系统
World File Search Systemspecies
碳细胞结构中原子和分子种类的吸收（评论文章）
本文简要回顾了碳多孔结构中原子和分子吸收领域的最新发展。此类吸收体在众多碳多孔材料中显而易见，因为它们具有极高的吸收能力，可以在实验中观察到，而这些物质在通常条件下在多孔基质外部可能仅以气态形式存在。高容量填充是由于单个石墨烯状壁将整个结构中的不同单元隔开，从而提供了轻质材料。多孔结构的这种特性使其在许多技术应用中非常有前景，例如燃料电池中的氢存储和由此类结构制成的膜中的分子筛，或其在微电子、光伏和锂离子电池生产中的应用。无论目标应用如何，气体都是碳基质本身探测测试的良好候选者。
整合分类学，遗传和生态数据，以探索Culuccia Peninsula（意大利NE Sardinia）的野生蜜蜂（hymenoptera，apoidea，anthophila）的物种丰富度
抽象的野生蜜蜂是本地和栽培植物的基本传粉媒介，但其种群在全球范围内正在下降。保护工作受到数据不足的阻碍，尤其是在地中海盆地中，该盆地拥有世界上一些最多样化的传粉媒介社区。尤其是在地中海最大的岛屿撒丁岛，关于蜜蜂动物区系的信息仍然有限。这项工作的目的是通过结合传统（基于形态的）分类法和DNA条形码，从东北萨尔迪亚（意大利）中未开发的半岛提供了apoidea anthophila的第一个清单。此外，还提供了鲜花的记录并在访客网络中显示，以丰富有关地中海地区野生蜜蜂与植物之间关联的稀缺数据。蜜蜂从2022 - 2023年4月至2023年10月进行采样。DNA以扩增线粒体基因cyotochrome氧化酶I的序列，然后将其与使用鉴定工具的BOLD进行比较，并通过构造邻居加入的系统发育树。收集并鉴定出属于29属的76种不同的物种和六个家族。对于61种不同的物种，总共获得了212个COI序列，其中许多物种尚未从意大利人群中测序。收集的五个分类单元是萨尔多 - 科尔斯裔人物，而六种是从撒丁岛新记录的。最后，我们重点介绍了潜在的分类问题和新的鲜花访问记录，强调需要进一步研究，以更好地了解这种多样化的昆虫的分类学和生态，以保护其保护。
一种新的psyllaephagus ashmead（...
摘要Melaleuca Quinquenervia（Cav。）S.T. Blake（Myrtales：Myrtaceae）是一棵在美国佛罗里达州的入侵树，为此，psyllid，boreioglycaspis melaleucae（Moore）（Hemiptera：Aphalaridae）在2002年4月成功建立以控制其传播。 寄生虫黄蜂，psyllaephagus迁移者McClelland，sp。 nov。被发现是可以在澳大利亚寄生的这种木板，我们认为这是其本地范围，在佛罗里达州，我们认为它是浮雕的。 我们为P.迁移者提供了描述，高分辨率图像和形态诊断，以及五个基因区域的分子数据集，以促进其在系统发育研究中的识别和使用。 寄生虫的生物学以其未成熟阶段的文献呈现。 捕获数据表明，P。迁移者减少了佛罗里达州生物防治剂B. helaleucae的种群。S.T.Blake（Myrtales：Myrtaceae）是一棵在美国佛罗里达州的入侵树，为此，psyllid，boreioglycaspis melaleucae（Moore）（Hemiptera：Aphalaridae）在2002年4月成功建立以控制其传播。寄生虫黄蜂，psyllaephagus迁移者McClelland，sp。nov。被发现是可以在澳大利亚寄生的这种木板，我们认为这是其本地范围，在佛罗里达州，我们认为它是浮雕的。我们为P.迁移者提供了描述，高分辨率图像和形态诊断，以及五个基因区域的分子数据集，以促进其在系统发育研究中的识别和使用。寄生虫的生物学以其未成熟阶段的文献呈现。捕获数据表明，P。迁移者减少了佛罗里达州生物防治剂B. helaleucae的种群。
乳酸杆菌对某些细菌的抗菌活性......
乳酸菌 (LAB) 又称乳酸杆菌目，属于革兰氏阳性菌目，具有耐酸性、发酵性强、不呼吸、不产孢的特点，呈杆状/或球形。它们喜欢厌氧条件，缺乏细胞色素。它们通常产生乳酸，本质上不产孢，并且不会移动。乳酸菌具有将碳水化合物发酵成乳酸的能力，这种特性在食品工业中得到了广泛的利用。气球菌、链球菌、乳酸菌、肠球菌、小球菌、乳酸杆菌、棒状杆菌和迷走球菌是适应在各种环境条件下生长的乳酸菌种的几个例子。它们可以在某些植物表面、土壤、乳制品、贝类和某些动物消化道中发现（Gatesoupe，1998 年）。尽管乳酸菌并不构成正常肠道微生物群中大多数物种，但人们已经进行了大量努力来人为地提高它们的优势地位（Verschuere 等人，2000 年）。根据它们分解碳水化合物的方式，乳酸菌分为两组。同型发酵组使用 Embden-Meyerhof-Parnas（糖酵解）途径将碳源主要转化为乳酸。通过使用磷酸酮醇酶
使用平均物种丰度关系评估化学污染对生物多样性的慢性影响
由于化学污染对淡水生态系统和生物多样性构成了持续威胁，因此要进行创新的方法来解决与此类污染物相关的生态风险。这项研究预测了基于方程式的化学物质对中位数和效应浓度（L（e）C50）的时间依赖性的长期影响，并具有关键的身体RESI适当的概念。以这种方式，该方法可以预测任何给定时间点的物种灵敏度分布。扩展了方法，以预测平均物种丰度关系（MSAR）作为生物多样性的指标。为了测试和验证METS的那言，使用了六个案例研究的数据，该案例研究使用了六个淡水节肢动物的短期和长期暴露于咪二藻虫的数据。使用物种（PAF）及其相对（1-PAF）的物种的分数（1-PAF）用于验证MSAR框架本身。预测的慢性LC50值的准确性依赖于物种。但是，除一种物种外，所有预测的慢性LC50值仅基于急性数据的拟合的95％置信区间（CI）。预测和计算的MSAR之间的平均差异在2％至6％之间。预测的MSAR通常低估了伊idacloprid的影响。然而，所有预先调查的MSAR均相似或低于计算出的1-PAF，其CI涵盖了计算出的MSAR。因此，研究发现所提出的方法可用于预测化学污染物的长期影响。
物种生物学和人口统计历史决定了物种在热带岛屿特有鸟类中对气候变化的脆弱性
。cc-by-nc-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他授予Biorxiv授予Biorxiv的许可，以永久显示预印本。它是制作
来自中国亚热带地区的两种新物种Micropsalliota（Agaricales，agaricaceae）
Micropsalliota是一个相对较小的属，在先前的研究中记录了97个名称。在这项研究中，基于中国亚热带地区的形态和系统发育证据，已经确定了两种新的微甲基植物，比斯帕拉和氏菌。在形态上，比斯波拉菌的特征是很小的basidiomata，长达9.0μm长的cymborlous basidiospores，白色至奶油桩，小鹿到暗红色的中心，以及tibiorform Cheilocystidia;小孢子虫（M. dulgaris）被小的basidiomata，孢子大小的孢子，白色至奶油绒毛，覆盖着红棕色至深棕色的原纤维，各种芝麻囊藻，长达60μm，长达60μm，纤维菌丝表现出浅棕色真空色素。它们独特的分类状态得到了两个新物种在4-Locus（ITS，LSU，RPB2，TEF-1α）系统发育树中的位置的确认。提出了两个新物种的详细描述和形态学照片。为了帮助诊断，中国提供了35种微甲基植物的关键。
移动中的物种会去哪里？来自欧洲陆地栖息地的气候连通性建模的见解
气候变化可以诱导物种范围的变化。然而，气候变化的强度，物种的17个固有分散能力和景观的拟人化是在大多数情况下阻碍物种18运动。在这种情况下，保存和促进19种物种从其目前的栖息地迁移到其未来的气候相似栖息地的气候走廊是预防物种灭绝的20个重要策略。气候连通性建模是一种工具21，可以识别这些潜在的运动途径。在这里，我们的目的是在各种生态假设和气候23变化场景下对欧洲气候类似物进行建模22，以确定高电位连通性的领域并量化一系列假设的连通性的24变化。我们还与受保护区域重叠的连接图25重叠，以确定气候连通性是否受到充分保护。我们26表明，气候连通性在气候27变化的不同场景之间没有太大差异，但强烈依赖于物种的扩散假设。它也相对28个类似于非气候连通性的情况。因此，可以预见29气候变化对物种运动的影响，无论未来30种气候的未来轨迹如何，但是对多种物种的保护策略的实施肯定会证明是复杂的。总体而言，保护区位于高和稳定的32个连通性的地区，但一些国家缺乏适当的保护方案，尤其是在33种强大的保护方面。35 36我们的结果有可能在土地覆盖的建设中服务34个变更方案，以确定改善气候连通性的最佳策略。
对物种识别的深度学习与捕食者 - 捕集的推断之间的权衡
深度学习用于在几个科学领域的重要应用中使用的计算机视觉问题。在生态学中，对深度学习的兴趣日益增加，以对大量图像（例如动物物种鉴定）进行重复分析。 但是，生态学家的社会性涉及深入学习的广泛采用有挑战性的问题。 首先，有一个编程障碍，因为大多数算法都是用python编写的，而大多数生态学家则精通R。 第二，深度学习在生态学中的最新应用集中在计算方面和简单任务上，而无需解决潜在的生态问题或进行统计数据分析以回答这些问题。 在这里，我们展示了可重复的R工作流程，该工作流程使用Predator-Prey关系作为案例研究整合了深度学习和统计模型。 我们说明了在用相机陷阱收集的图像上识别动物物种的深度学习，并使用多物种占用模型来量化空间同时存在。 尽管平均模型分类性能，但无论我们分析了地面真相数据集还是分类数据集，生态推断都是相似的。 此结果要求在分配的时间和资源之间进行进一步的工作，分配给具有深度学习的模型以及我们通过生物多样性监测正确解决关键生态问题的能力。 我们希望我们可重复的工作流对生态学家和应用统计学家有用。在生态学中，对深度学习的兴趣日益增加，以对大量图像（例如动物物种鉴定）进行重复分析。但是，生态学家的社会性涉及深入学习的广泛采用有挑战性的问题。首先，有一个编程障碍，因为大多数算法都是用python编写的，而大多数生态学家则精通R。第二，深度学习在生态学中的最新应用集中在计算方面和简单任务上，而无需解决潜在的生态问题或进行统计数据分析以回答这些问题。在这里，我们展示了可重复的R工作流程，该工作流程使用Predator-Prey关系作为案例研究整合了深度学习和统计模型。我们说明了在用相机陷阱收集的图像上识别动物物种的深度学习，并使用多物种占用模型来量化空间同时存在。尽管平均模型分类性能，但无论我们分析了地面真相数据集还是分类数据集，生态推断都是相似的。此结果要求在分配的时间和资源之间进行进一步的工作，分配给具有深度学习的模型以及我们通过生物多样性监测正确解决关键生态问题的能力。我们希望我们可重复的工作流对生态学家和应用统计学家有用。
古微生物学：追踪过去微生物的生命，从单一物种到整个微生物群落
由于它们通常形状和结构难以辨别，因此无法通过形态学检查对化石微生物类群进行精确识别 (Xie & Kershaw, 2012 )。此外，即使是对化石记录中得到很好体现的类群，如有孔虫门，由于存在由裸露的未化石物种组成的演化支，因此仅基于化石数据也无法正确解释它们随时间的演化模式 (Pawlowski et al., 2003 )。因此，与古老的动植物群 (McElwain & Punyasena, 2007 ; Raup & Sepkoski, 1982 ; Signor, 1994 ) 不同，可分类的古生物标本的稀有性只能揭示过去真实的微生物多样性的一小部分，并且难以研究不同地质时代的微生物演化、多样化和功能意义。