MétaCan
Menu
Retour à la cohorte
Enregistrement W1957938632 · doi:10.1002/etc.2264

The polychaete worm <i>Nereis diversicolor</i> increases mercury lability and methylation in intertidal mudflats

2013· article· en· W1957938632 sur OpenAlexaffabout
Tom Sizmur, João Canário, Samuel T. Edmonds, Adam Godfrey, Nelson J. O’Driscoll

Notice bibliographique

RevueEnvironmental Toxicology and Chemistry · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensAcadia University
Organismes subventionnairesnon disponible
Mots-clésPolychaeteMercury (programming language)MethylmercuryIntertidal zoneEnvironmental chemistryMicrocosmLabilityBurrowBioturbationBayEcologyBioaccumulationTrophic levelChemistrySedimentBiologyOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

The polychaete worm Nereis diversicolor engineers its environment by creating oxygenated burrows in anoxic intertidal sediments. The authors carried out a laboratory microcosm experiment to test the impact of polychaete burrowing and feeding activity on the lability and methylation of mercury in sediments from the Bay of Fundy, Canada. The concentration of labile inorganic mercury and methylmercury in burrow walls was elevated compared to worm-free sediments. Mucus secretions and organic detritus in worm burrows increased labile mercury concentrations. Worms decreased sulfide concentrations, which increased Hg bioavailability to sulfate-reducing bacteria and increased methylmercury concentrations in burrow linings. Because the walls of polychaete burrows have a greater interaction with organisms, and the overlying water, the concentrations of mercury and methylmercury they contain is more toxicologically relevant to the base of a coastal food web than bulk samples. The authors recommend that researchers examining Hg in marine environments account for sediment dwelling invertebrate activity to more fully assess mercury bioavailability.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,210
Écart entre enseignants0,204 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations26
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Toxicology and ChemistryMême sujetMercury impact and mitigation studiesTravaux en français237 207