Influence of Prey Type on Nickel and Thallium Assimilation, Subcellular Distribution and Effects in Juvenile Fathead Minnows (<i>Pimephales promelas</i>)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Because fish take up metals from prey, it is important to measure factors controlling metal transfer between these trophic levels so as to explain metal bioaccumulation and effects in fish. To achieve this, we exposed two types of invertebrates, an oligochaete (Tubifex tubifex) and a crustacean (Daphnia magna), to environmentally relevant concentrations of two important contaminants, nickel (Ni) and thallium (Tl), and fed these prey to juvenile fathead minnows (Pimephales promelas). We then measured the assimilation efficiency (AE), subcellular distribution and effects of these metals in fish. Fish assimilated dietary Tl more efficiently from D. magna than from T. tubifex, and more efficiently than Ni, regardless of prey type. However, the proportion of metal bound to prey subcellular fractions that are likely to be trophically available (TAM) had no significant influence on the efficiency with which fish assimilated Ni or Tl. In fish, the majority of their Ni and Tl was bound to subcellular fractions that are purportedly detoxified, and prey type had a significant influence on the proportion of detoxified Ni and Tl in fish. We measured higher activities of cytochrome C oxidase and glutathione S-transferase in fish fed D. magna compared to fish fed T. tubifex, regardless of the presence or absence of Ni or Tl in prey. However, we measured decreased activities of glutathione S-transferase and nucleoside diphosphate kinase in fish fed Tl-contaminated D. magna compared to fish from the three other treatment 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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle