MétaCan
Menu
Retour à la cohorte
Enregistrement W2000457174 · doi:10.5402/2013/604045

Lipids in Marine Ecosystems

2013· article· en· W2000457174 sur OpenAlexafffund
Christopher C. Parrish

Notice bibliographique

RevueISRN Oceanography · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCommonwealth Scientific and Industrial Research Organisation
Mots-clésTrophic levelSterolEcosystemChemistryMarine ecosystemEnvironmental chemistryEcologyBiochemistryBiologyCholesterol

Résumé

récupéré en direct d'OpenAlex

Lipids provide the densest form of energy in marine ecosystems. They are also a solvent and absorption carrier for organic contaminants and thus can be drivers of pollutant bioaccumulation. Among the lipids, certain essential fatty acids and sterols are considered to be important determinants of ecosystem health and stability. Fatty acids and sterols are also susceptible to oxidative damage leading to cytotoxicity and a decrease in membrane fluidity. The physical characteristics of biological membranes can be defended from the influence of changing temperature, pressure, or lipid peroxidation by altering the fatty acid and sterol composition of the lipid bilayer. Marine lipids are also a valuable tool to measure inputs, cycling, and loss of materials. Their heterogeneous nature makes them versatile biomarkers that are widely used in marine trophic studies, often with the help of multivariate statistics, to delineate carbon cycling and transfer of materials. Principal components analysis has a strong following as it permits data reduction and an objective interpretation of results, but several more sophisticated multivariate analyses which are more quantitative are emerging too. Integrating stable isotope and lipid data can facilitate the interpretation of both data sets and can provide a quantitative estimate of transfer across trophic levels.

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: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

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
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,005
Tête enseignante GPT0,196
Écart entre enseignants0,191 · 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

Citations317
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueISRN OceanographyMême sujetIsotope Analysis in EcologyTravaux en français237 207