MétaCan
Menu
Retour à la cohorte
Enregistrement W1635006544 · doi:10.7202/018465ar

L’écotoxicologie aquatique - comparaison entre les micropolluants organiques et les métaux : constats actuels et défis pour l’avenir

2008· article· fr· W1635006544 sur OpenAlexaff
Émilien Pelletier, Peter G. C. Campbell

Notice bibliographique

RevueRevue des sciences de l eau · 2008
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueChemistry and Chemical Engineering
Établissements canadiensInstitut National de la Recherche ScientifiqueUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésChemistryHumanitiesPhysicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Nous explorons dans cette synthèse les forces et les faiblesses de l’écotoxicologie, en nous limitant aux milieux aquatiques. Notre approche consiste à comparer et contraster le comportement des contaminants organiques et inorganiques (métalliques) et à identifier quelques défis pour l’avenir. La prise en charge des contaminants organiques de synthèse se produit le plus souvent par simple diffusion passive au travers d’une membrane cellulaire. Vu la nature lipidique des membranes biologiques, le coefficient de partage octanol-eau (Kow) du contaminant s’avère souvent un bon prédicteur de sa tendance à se bioaccumuler. Par contre, les métaux présents dans le milieu aquatique se trouvent surtout sous des formes hydrophiles et hydratées qui ne peuvent traverser les membranes biologiques par simple diffusion. Leur prise en charge fait alors appel à un transport facilité qui implique des transporteurs protéiques ou canaux transmembranaires. Le coefficient de partage octanol-eau de ces espèces métalliques se révèle inutile comme prédicteur de leur bioaccumulation. Les approches et les modèles prédictifs diffèrent donc grandement entre contaminants métalliques et organiques. Pour les métaux, deux types de modèles sont couramment employés : des modèles d’équilibre (ex. : le « Modèle du Ligand Biotique » ou BLM) et des modèles cinétiques d’accumulation et d’élimination. Dans les deux cas, les paramètres biologiques des modèles sont considérés comme des « constantes » qui ne sont affectées, ni par la qualité de l’eau ambiante (ex. : pH, dureté), ni par une pré-exposition au métal. Or, il y a maintenant dans la littérature scientifique de plus en plus d’indices que les propriétés clés de la surface épithéliale des organismes aquatiques, qui contrôlent l’accumulation et la toxicité des métaux, ne sont pas constantes, ce qui compromet l’application des modèles dans des cas réels d’exposition chronique sur le terrain. Contrairement aux métaux, l’essentiel du comportement environnemental des composés organiques de synthèse est lié à leur capacité de résister à divers mécanismes de dégradation et à leur biodisponibilité pour les organismes aquatiques. Le modèle de la « fugacité » permet de prédire la distribution de composés organiques entre divers compartiments pour un système considéré à l’équilibre mais de nombreuses contraintes chimiques et biologiques interfèrent avec l’utilisation de ce type de modèle. Les cas des hydrocarbures aromatiques polycycliques (HAP) et des organométaux sont utilisés pour illustrer ces contraintes. Parmi les tout nouveaux défis de l’écotoxicologie, nous abordons brièvement le développement de la génomique fonctionnelle et de l’approche écosystémique ainsi que la toute nouvelle problématique environnementale posée par les nanoparticules industrielles. L’avenir de l’écotoxicologie aquatique passe nécessairement par : (1) l’obtention de données de terrain et de laboratoire d’excellente qualité; (2) une compréhension approfondie des mécanismes de toxicité aux niveaux moléculaire et cellulaire; (3) le développement de modèles théoriques et empiriques qui intègrent mieux la réalité physiologique et écologique; (4) le développement d’indicateurs écosystémiques capables de fournir une image globale de la qualité d’un environnement aquatique, quelle que soit sa complexité inhérente.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,123
Tête enseignante GPT0,338
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue des sciences de l eauMême sujetChemistry and Chemical EngineeringTravaux en français237 207