The Effect of Silver Nanoparticles on Seasonal Change in Arctic Tundra Bacterial and Fungal Assemblages
Notice bibliographique
Résumé
The impact of silver nanoparticles (NPs) and microparticles (MPs) on bacterial and fungal assemblages was studied in soils collected from a low arctic site. Two different concentrations (0.066% and 6.6%) of Ag NPs and Ag MPs were tested in microcosms that were exposed to temperatures mimicking a winter to summer transition. Toxicity was monitored by differential respiration, phospholipid fatty acid analysis, polymerase chain reaction-denaturing gradient gel electrophoresis and DNA sequencing. Notwithstanding the effect of Ag MPs, nanosilver had an obvious, additional impact on the microbial community, underscoring the importance of particle size in toxicity. This impact was evidenced by levels of differential respiration in 0.066% Ag NP-treated soil that were only half that of control soils, a decrease in signature bacterial fatty acids, and changes in both richness and evenness in bacterial and fungal DNA sequence assemblages. Prominent after Ag NP-treatment were Hypocreales fungi, which increased to 70%, from only 1% of fungal sequences under control conditions. Genera within this Order known for their antioxidant properties (Cordyceps/Isaria) dominated the fungal assemblage after NP addition. In contrast, sequences attributed to the nitrogen-fixing Rhizobiales bacteria appeared vulnerable to Ag NP-mediated toxicity. This combination of physiological, biochemical and molecular studies clearly demonstrate that Ag NPs can severely disrupt the natural seasonal progression of tundra assemblages.
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 | 0,000 | 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 | 0,000 |
| 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 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 ».