Acute toxicity of binary and ternary mixtures of Cd, Cu, and Zn to <i>Daphnia magna</i>
Notice bibliographique
Résumé
Standard static-exposure acute lethality tests were conducted with Daphnia magna neonates exposed to binary or ternary mixtures of Cd, Cu, and Zn in moderately hard reconstituted water that contained 3 mg dissolved organic carbon/L added as Suwannee River fulvic acid. These experiments were conducted to test for additive toxicity (i.e., the response to the mixture can be predicted by combining the responses obtained in single-metal toxicity tests) or nonadditive toxicity (i.e., the response is less than or greater than additive). Based on total metal concentrations (>90% dissolved) the toxicity of the tested metal mixtures could be categorized into all 3 possible additivity categories: less-than-additive toxicity (e.g., Cd-Zn and Cd-Cu-Zn mixtures and Cd-Cu mixtures when Cu was titrated into Cd-containing waters), additive toxicity (e.g., some Cu-Zn mixtures), or more-than-additive toxicity (some Cu-Zn mixtures and Cd-Cu mixtures when Cd was titrated into Cu-containing waters). Exposing the organisms to a range of sublethal to supralethal concentrations of the titrated metal was especially helpful in identifying nonadditive interactions. Geochemical processes (e.g., metal-metal competition for binding to dissolved organic matter and/or the biotic ligand, and possibly supersaturation of exposure waters with the metals in some high-concentration exposures) can explain much of the observed metal-metal interactions. Therefore, bioavailability models that incorporate those geochemical (and possibly some physiological) processes might be able to predict metal mixture toxicity accurately.
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 | 0,002 |
| 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) | 0,002 | 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 ».