Usefulness of Bioindicators and Biomarkers in Pollution Biomonitoring
Notice bibliographique
Résumé
We have different possibilities and tools to assess the impact of pollution on marine ecosystems. The ecotoxicological approaches are based on the use of biomonitors and biomarkers. They aim to study the effect of toxic chemicals on the biological organisms especially at the population, community and ecosystem levels. The ultimate goal of ecotoxicology is to be able to predict the effects of pollution so that the most efficient and effective action to prevent or remediate any detrimental effect. In order to assess the impact of anthropogenic activities on the aquatic ecosystem and to insure compliance with regulation or guidelines, we use biomonitoring. This kind of approach is based on the use of biological responses in order to assess anthropogenic changes in the environment. Biomonitoring involves the use of indicator species such as filter feeding mollusk bivalves. These organisms tend to accumulate pollutants in their tissues without showing any apparent detrimental effect. Moreover, they could reflect the real bio available fraction of the pollutant. In order to have an early warning system predicting the pollution effects even at low levels, biomarkers were extensively studied. Some of them were validated in both field and in vivo conditions. In the present paper, the usefulness of bioindicators and biomarkers in pollution monitoring are discussed. An overview of results from case studies dealing with in situ, in vivo and transplantation experiments is presented.
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 | 0,001 | 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 | 0,000 |
| 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 ».