MétaCan
Menu
Retour à la cohorte
Enregistrement W1989207690 · doi:10.1021/es201641x

Laser Ablation ICP-MS Co-Localization of Mercury and Immune Response in Fish

2011· article· en· W1989207690 sur OpenAlexaff
Benjamin D. Barst, Amanda K. Gevertz, Matthew M. Chumchal, James D. Smith, Thomas R. Rainwater, Paul E. Drevnick, Karista Hudelson, Aaron S. Hart, Guido F. Verbeck, Aaron P. Roberts

Notice bibliographique

RevueEnvironmental Science & Technology · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesTexas Christian University
Mots-clésMercury (programming language)SpleenImmune systemEnvironmental chemistryEcotoxicologyKidneyMacrophageChemistryBiologyPathologyZoologyImmunologyMedicineEndocrinologyBiochemistryIn vitro

Résumé

récupéré en direct d'OpenAlex

Mercury (Hg) contamination is a global issue with implications for both ecosystem and human health. In this study, we use a new approach to link Hg exposure to health effects in spotted gar (Lepisosteus oculatus) from Caddo Lake (TX/LA). Previous field studies have reported elevated incidences of macrophage centers in liver, kidney, and spleen of fish with high concentrations of Hg. Macrophage centers are aggregates of specialized white blood cells that form as an immune response to tissue damage, and are considered a general biomarker of contaminant toxicity. We found elevated incidences of macrophage centers in liver of spotted gar and used a new technology for ecotoxicology studies, laser ablation-inductively coupled plasma-mass spectrometry (LA-ICP-MS), to colocalize aggregates and Hg deposits within the tissue architecture. We conclude that Hg compromises the health of spotted gar in our study and, perhaps, other fish exposed to elevated concentrations of Hg.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

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
Bibliométrie0,0010,000
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 Opus0,012
Tête enseignante GPT0,238
Écart entre enseignants0,226 · 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'étudeExpérimental (laboratoire)
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

Citations43
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMercury impact and mitigation studiesTravaux en français237 207