Lead toxicity to <i>Lemna minor</i> predicted using a metal speciation chemistry approach
Notice bibliographique
Résumé
In the present study, predictive measures for Pb toxicity and Lemna minor were developed from bioassays with 7 surface waters having varied chemistries (0.5-12.5 mg/L dissolved organic carbon, pH of 5.4-8.3, and water hardness of 8-266 mg/L CaCO3 ). As expected based on water quality, 10%, 20%, and 50% inhibitory concentration (IC10, IC20, and IC50, respectively) values expressed as percent net root elongation (%NRE) varied widely (e.g., IC20s ranging from 306 nM to >6920 nM total dissolved Pb), with unbounded values limited by Pb solubility. In considering chemical speciation, %NRE variability was better explained when both Pb hydroxides and the free lead ion were defined as bioavailable (i.e., f{OH} ) and colloidal Fe(III)(OH)3 precipitates were permitted to form and sorb metals (using FeOx as the binding phase). Although cause and effect could not be established because of covariance with alkalinity (p = 0.08), water hardness correlated strongly (r(2) = 0.998, p < 0.0001) with the concentration of total Pb in true solution ([Pb]T_True solution ). Using these correlations as the basis for predictions (i.e., [Pb]T_True solution vs water hardness and %NRE vs f{OH} ), IC20 and IC50 values produced were within a factor of 2.9 times and 2.2 times those measured, respectively. The results provide much needed effect data for L. minor and highlight the importance of chemical speciation in Pb-based risk assessments for aquatic macrophytes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».