Combinatory Chemical and Biological Approaches to Investigate Metal Elements in Agricultural Runoff Water
Notice bibliographique
Résumé
As part of a project studying the interactions between farming practices, soil erosion processes, and fate of agricultural pollutants into runoff waters, we conducted a pilot study to investigate the relationship between metal contents and metallothionein-2A (MT-2A) as a bioindicator of metal exposure. Runoff water samples were collected between May and November 1999 at the point of outlet of an elementary watershed located in the Paris basin. Selected metals (Al, As, Cd, Cr, Cu, Pb, Hg, Ni, and Zn) were analyzed using conventional techniques. In parallel, human T cells were exposed to water samples for 6 and 18 h and then cell viability and MT-2A gene expression were measured. Results show that among the 10 water samples tested, Al and Zn predominate (highest values = 4.9 and 2.6 microM, respectively), while other metals were below the microM level. Five out of 10 samples induced MT-2A gene expression (30-80% increase at 18 h) as compared with the control. When comparing MT-2A induction profile with metals contents, no obvious correlation was found, suggesting that additional components or parameters are involved. Finally, there was an apparent inverse relationship between Ca concentration and MT-2A gene induction. Although still preliminary, in the absence of longer monitoring, this study shows that MT-2A gene expression is a useful tool to complement chemical analysis in assessing metal elements in water. These combinatory approaches will be pursued and integrated in an ongoing watershed field research project.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 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 | 0,001 |
| 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 tête enseignante, 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 ».