Interactions between mercury and phytoplankton: Speciation, bioavailability, and internal handling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The present review describes and discusses key interactions between mercury (Hg) and phytoplankton to highlight the role of phytoplankton in the biogeochemical cycle of Hg and to understand direct or indirect Hg effects on phytoplankton. Phytoplankton are exposed to various Hg species in surface waters. Through Hg uptake, phytoplankton affect the concentration, speciation, and fate of Hg in aquatic systems. The mechanisms by which phytoplankton take up Hg are still not well known, but several studies have suggested that both facilitated transport and passive diffusion could be involved. Once internalized, Hg will impact several physiological processes, including photosynthesis. To counteract these negative effects, phytoplankton have developed several detoxification strategies, such as the reduction of Hg to elemental Hg or its sequestration by intracellular ligands. Based on the toxicological studies performed so far in the laboratory, Hg is unlikely to be toxic to phytoplankton when they are exposed to environmentally relevant Hg concentrations. However, this statement should be taken with caution because questions remain as to which Hg species control Hg bioavailability and about Hg uptake mechanisms. Finally, phytoplankton are primary producers, and accumulated Hg will be transferred to higher consumers. Phytoplankton are a key component in aquatic systems, and their interactions with Hg need to be further studied to fully comprehend the biogeochemical cycle of Hg and the impact of this ubiquitous metal on ecosystems.
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.
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) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découle