Sampling and analysis of microcystins: Implications for the development of standardized methods
Notice bibliographique
Résumé
Microcystins (MC), a group of cyanotoxins, have been found in lakes and rivers worldwide. One goal of MC research is to develop models which predict MC concentrations, but these efforts have been hampered by a lack of standardized methods necessary for comparing data across studies. Here, we investigate the effect of chemical analysis (HPLC-PDA and ELISA), sample collection (whole water, plankton tow and surface scum), and choice of normalizing parameter (volume, dry weight, and chlorophyll a) on reported MC concentrations. Samples were collected over three years from a temperate mesotrophic, shallow lake with episodic blooms of cyanobacteria. We found that microcystins were up to four times higher in lake samples when analyzed by ELISA relative to HPLC-PDA and that MC concentration measured by HPLC explained less than half of the variation in MC concentrations measured by ELISA. Also, samples collected by plankton tow gave consistently higher concentrations than whole water samples. An additional HPLC analysis of two chlorophyte cultures revealed the presence of compounds with a similar UV absorbance spectrum to MC-LR, suggesting that identifying MC based solely on UV absorbance is not valid. Our results document the discrepancy in MC concentrations that can arise by using different methods throughout all stages of sampling, analysis, and reporting of MC concentrations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,320 | 0,314 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,009 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».