Urea and lipid extraction treatment effects on δ <sup>15</sup> N and δ <sup>13</sup> C values in pelagic sharks
Notice bibliographique
Résumé
RATIONALE: Stable isotope analysis (SIA) provides a powerful tool to investigate diverse ecological questions for marine species, but standardized values are required for comparative assessments. For elasmobranchs, their unique osmoregulatory strategy involves retention of (15)N-depleted urea in body tissues and this may bias δ(15)N values. This may be a particular problem for large predatory species, where δ(15)N discrimination between predator and consumed prey can be small. METHODS: We evaluated three treatments (deionized water rinsing [DW], chloroform/methanol [LE] and combined chloroform/methanol and deionized water rinsing [LE+DW]) applied to white muscle tissue of 125 individuals from seven pelagic shark species to (i) assess urea and lipid effects on stable isotope values determined by IRMS and (ii) investigate mathematical normalization of these values. RESULTS: For all species examined, the δ(15)N values and C:N ratios increased significantly following all three treatments, identifying that urea removal is required prior to SIA of pelagic sharks. The more marked change in δ(15)N values following DW (1.3 ± 0.4‰) and LE+DW (1.2 ± 0.6‰) than following LE alone (0.7 ± 0.4‰) indicated that water rinsing was more effective at removing urea. The DW and LE+DW treatments lowered the %N values, resulting in an increase in C:N ratios from the unexpected low values of <2.6 in bulk samples to ~3.1 ± 0.1, the expected value of protein. The δ(13)C values of all species also increased significantly following LE and LE+DW treatments. CONCLUSIONS: Given the mean change in δ(15)N(1.2 ± 0.6‰) and δ(13)C values (0.7 ± 0.4‰) across pelagic shark species, it is recommended that muscle tissue samples be treated with LE+DW to efficiently extract both urea and lipids to standardize isotopic values. Mathematical normalization of urea and lipid-extracted δ(15)N(LE+DW) and δ(13)C(LE+DW) values using the lipid-extracted δ(15)N(LE) and δ(13)C(LE) data were established for all pelagic shark species.
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 | 0,000 | 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 | 0,001 |
| 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 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 ».