Effect of Algal and Bacterial Diet on Methyl Mercury Concentrations in Zooplankton
Notice bibliographique
Résumé
We studied the effect of zooplankton diet on MeHg accumulation in different zooplankton size-fractions from lakes of different trophic status. Using fatty acid biomarkers, we tested the hypotheses that (a) variations of MeHg concentrations are determined bythe taxonomic composition of zooplankton and (b) concentrations of dietary algal and bacterial compounds can predict MeHg concentrations of seston (10-64 microm), micro- (100-200 microm), meso- (200-500 microm), and macrozooplankton (>500 microm) in lakes on Vancouver Island, Canada. MeHg concentrations increased from seston (4-48 ng g dry weight(-1)) to macrozooplankton (94-240 ng g dry weight(-1)), indicating that MeHg accumulated as a function of plankton size. Results from linear regression analysis showed that MeHg concentrations were not significantly related to the taxonomic composition of zooplankton. However, using dietary lipid biomarkers, we demonstrated that bacterial diet (R2 = 0.50; p < 0.01) could better predict variations of MeHg concentrations in zooplankton than essential algal diet (R2 = 0.35; p < 0.01). Because MeHg accumulation within the planktonic food web was higher (20x) than the observed accumulation of total bacterial (6.5x) and algal (4.7x) diet biomarkers, zooplankton retained dietary MeHg more efficiently than bacterial and algal diet compounds. These results indicate that MeHg of macrozooplankton, the preferred prey size of planktivorous fish, is more efficiently transferred than essential diet compounds to organisms at higher trophic 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.
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 | 0,003 |
| 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) | 0,001 | 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 ».