Obligatory Urea Production and the Cost of Living in the Magadi Tilapia Revealed by Acclimation to Reduced Salinity and Alkalinity
Notice bibliographique
Résumé
Alcolapia grahami is a unique ureotelic tilapia that lives in the highly alkaline, saline Lake Magadi, Kenya (pH, approximately 10.0; alkalinity, approximately 380 mmol L(-1); Na(+), approximately 350 mmol L(-1); Cl(-), approximately 110 mmol L(-1); osmolality, approximately 580 mosm kg(-1)). The fish survived well upon gradual exposure to dilute lake water (down to 1%, essentially freshwater). Urea excretion continued, and there was no ammonia excretion despite favorable conditions, indicating that ureotelism is obligatory. Levels of most ornithine-urea cycle enzymes in the liver were unchanged relative to controls kept for the same period in 100% lake water. The fish exhibited good abilities for hypo- and hyperregulation, maintaining plasma Na(+), Cl(-), and osmolality at levels typical of marine and freshwater teleosts in 100% and 1% lake water, respectively. Plasma total CO(2) did not change with environmental dilution. Routine oxygen consumption (Mo(2)) was extremely high in 100% lake water but decreased by 40%-68% after acclimation to dilute lake water. At every fixed swimming speed, Mo(2) was significantly reduced (by 50% at high speeds), and critical swimming speed was elevated in fish in 10% lake water relative to 100% lake water. Osmotic and Cl(-) concentration gradients from water to plasma were actually increased, and osmotic and Na(+) gradients were reversed, in 10% and 1% dilutions relative to 100% lake water, whereas acid-base gradients were greatly reduced. We suggest that approximately 50% of the animal's high metabolic demand originates from the cost of acid-base regulation in the highly alkaline Lake Magadi. When this load is reduced by environmental dilution, the energy saved can be diverted to enhanced swimming performance.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».