Differentiating Between Direct (Physiological) and Food-Chain Mediated (Bioenergetic) Effects on Fish in Metal-Impacted Lakes
Notice bibliographique
Résumé
The objectives of this field project were to test relationships between the physiological and population status of indigenous fish and (a) ecological factors (habitat quality, food resources), (b) toxicological factors (ambient and tissue metal concentrations), and (c) metal detoxification factors (metallothionein induction and subcellular metal partitioning). The sentinel species, yellow perch (YP: Perca flavescens), was collected from lakes with contrasting metal levels located on the Canadian Precambrian Shield, downwind and downstream from metal smelters. In lakes at the high end of our exposure gradient, metals (Cu, Ni, and especially Cd) accumulate in YP to concentrations well above background tissue values; increases in tissue Zn concentrations were much more modest, despite the existence of a very marked gradient in ambient [Zn]. Metal accumulation in YP is accompanied by metallothionein induction, but all evidence to date suggests that metal detoxification by metallothionein is incomplete. Indeed, direct effects of metal toxicity are detected at multiple levels of biological organization, from effects at the cellular level, to effects in organs and tissues, to individuals and populations, in a pattern linked to accumulated metal concentrations (i.e., along the contamination gradient). In addition to direct or physiological effects, we also documented indirect, food-web-mediated effects of metals on YP in the most contaminated lakes. The most common indication of such indirect effects on YP is severely stunted growth coupled with a high degree of zooplankton dependence throughout their life.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».