MétaCan
Menu
Retour à la cohorte
Enregistrement W2025756460 · doi:10.1371/journal.pone.0074456

Environmental Feedbacks and Engineered Nanoparticles: Mitigation of Silver Nanoparticle Toxicity to Chlamydomonas reinhardtii by Algal-Produced Organic Compounds

2013· article· en· W2025756460 sur OpenAlexaff
Louise Stevenson, Helen Dickson, Tin Klanjšček, Arturo A. Keller, Edward McCauley, Roger M. Nisbet

Notice bibliographique

RevuePLoS ONE · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensUniversity of Calgary
Organismes subventionnairesU.S. Environmental Protection AgencyNational Science Foundation
Mots-clésChlamydomonas reinhardtiiNanotoxicologyToxicantSilver nanoparticleBioaccumulationToxicityHeterosigma akashiwoDissolutionEnvironmental chemistryNanoparticleOrganismDissolved organic carbonChemistryChlorella vulgarisAlgaeBiophysicsNanotechnologyBiologyAlgal bloomEcologyMaterials scienceBiochemistryPhytoplankton

Résumé

récupéré en direct d'OpenAlex

The vast majority of nanotoxicity studies measures the effect of exposure to a toxicant on an organism and ignores the potentially important effects of the organism on the toxicant. We investigated the effect of citrate-coated silver nanoparticles (AgNPs) on populations of the freshwater alga Chlamydomonas reinhardtii at different phases of batch culture growth and show that the AgNPs are most toxic to cultures in the early phases of growth. We offer strong evidence that reduced toxicity occurs because extracellular dissolved organic carbon (DOC) compounds produced by the algal cells themselves mitigate the toxicity of AgNPs. We analyzed this feedback with a dynamic model incorporating algal growth, nanoparticle dissolution, bioaccumulation of silver, DOC production and DOC-mediated inactivation of nanoparticles and ionic silver. Our findings demonstrate how the feedback between aquatic organisms and their environment may impact the toxicity and ecological effects of engineered nanoparticles.

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 candidatesCharge 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0010,001

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 Opus0,013
Tête enseignante GPT0,188
Écart entre enseignants0,175 · 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'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

Citations65
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207