MétaCan
Menu
Retour à la cohorte
Enregistrement W1852302845 · doi:10.1111/j.1574-6941.2006.00246.x

Mercury (micro)biogeochemistry in polar environments

2006· review· en· W1852302845 sur OpenAlexaff
Tamar Barkay, Alexandre J. Poulain

Notice bibliographique

RevueFEMS Microbiology Ecology · 2006
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNational Science Foundation
Mots-clésMercury (programming language)BiogeochemistryMethylmercuryArcticEnvironmental chemistryPolarBiologyBiogeochemical cycleAstrobiologyEcologyBioaccumulationChemistry

Résumé

récupéré en direct d'OpenAlex

The contamination of polar regions with mercury that is transported as inorganic mercury from lower latitudes has resulted in the accumulation of methylmercury in the food chain of polar environments, risking the health of humans and wildlife. This problem is likely to be particularly severe in coastal marine environments where active cycling occurs. Little is currently known about how mercury is methylated in polar environments. Relating observations on mercury deposition and transport through polar regions to knowledge of the microbiology of cold environments and considering the principles of mercury transformations as have been elucidated in temperate aquatic environments, we propose that in polar regions (1) variable pathways for mercury methylation may exist, (2) mercury bioavailability to microbial transformations may be enhanced, and (3) microbial niches within sea ice are sites where active microorganisms are localized in proximity to high concentrations of mercury. Thus, microbial transformations, and consequently mercury biogeochemistry, in the Arctic and Antarctic are both unique and common to these processes in lower latitudes, and understanding their dynamics is needed for the management of mercury-contaminated polar environments.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,659
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,006

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 Opus0,018
Tête enseignante GPT0,273
Écart entre enseignants0,255 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations54
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFEMS Microbiology EcologyMême sujetMercury impact and mitigation studiesTravaux en français237 207