亚硝酸盐氧化细菌(NOB)是重要的硝酸盐,其活性调节了亚硝酸盐的可用性,并决定了生态系统中氮损失的幅度。In oxic marine sediments, ammonia- oxidizing archaea (AOA) and NOB together catalyze the oxidation of ammonium to nitrate, but the abundance ratios of AOA to canonical NOB in some cores are signi fi cantly higher than the theoretical ratio range predicted from physiological traits of AOA and NOB characterized under realistic ocean conditions, indicating that some NOBs are yet to be发现。在这里,我们报告了硝基氨叶甲状腺素的细菌门,其成员比规范的NOB更丰富,并且在整个全球寡营养沉积物中广泛存在。ca。硝基氨基甲酸糖构件具有氧化亚硝酸盐的功能潜力,此外还具有其他辅助功能,例如尿素水解和硫代硫酸盐还原。虽然一个回收的物种(Ca。硝基氨基甲磷酸菌)通常在塞毒区内构建,另一个(Ca。硝基氨基甲状腺素)还出现在缺氧的沉积物中。计数CA。 硝酸二氨基糖作为亚硝酸盐氧化剂有助于解决氧化海洋沉积物中AOA和NOB之间明显的丰度失衡,因此其活性可能对亚硝酸盐预算施加控制。计数CA。硝酸二氨基糖作为亚硝酸盐氧化剂有助于解决氧化海洋沉积物中AOA和NOB之间明显的丰度失衡,因此其活性可能对亚硝酸盐预算施加控制。
注意:请注意,此文档可能不是记录的版本(即已发布的版本)。作者手稿版本(作为同行评审或同行评审后接受的出版物接受的子手稿版本)可以通过出现出版商品牌和/或排便中的出现来确定。如果有任何疑问,请参考已发布的来源。
基于仿真的推理(SBI)方法可以在可能性函数棘手但模型模拟可行的情况下,可以估计后验分布。SBI的流行神经方法是神经后估计(NPE)及其顺序版本(SNPE)。这些方法可以超越统计SBI方法,例如近似贝叶斯计算(ABC),特别是对于相对较少的模型模拟。但是,我们在本文中表明,即使在低维问题上,NPE方法也不能高度准确。在这种情况下,无法在先前的预测空间上准确训练后验,甚至顺序扩展仍然是优化的。为了克服这一点,我们提出了预处理的NPE(PNPE)及其顺序版本(PSNPE),该版本使用ABC的短运行来有效消除参数空间区域,从而在模拟和数据之间产生较大的差异,并允许后仿真器进行更准确的培训。我们提供了全面的经验证据,即神经和统计SBI方法的这种融合可以改善在一系列示例中的性能,包括一个激励示例,涉及应用于实际肿瘤生长数据的基于复杂的基准模型。