Interactive Effects of Silver Nanoparticles and Phosphorus on Phytoplankton Growth in Natural Waters
Notice bibliographique
Résumé
Increasing amounts of silver nanoparticles (AgNPs) are expected to enter the aquatic ecosystems where their effects on natural phytoplankton communities are poorly understood. We investigated the effects of AgNPs and its interactions with phosphorus (P) supply on the growth kinetics and stoichiometry of natural phytoplankton. Lake water was dosed with AgNPs (carboxy-functionalized capping agent; ∼10-nm particle size; ∼20% Ag w/w) at four different concentrations and five P concentrations and incubated in situ for 3 days. A treatment with ionic silver (AgNO3) was used as a positive control. We found that growth rates, calculated from changes in seston carbon and chlorophyll, responded significantly and interactively (p < 0.0001) to both AgNPs and P. AgNPs reduced the maximum phytoplankton growth rates by 11-85%. In the positive control, no or very little growth was observed. Inhibition of growth rates after exposure to Ag might be related to the reduction in chlorophyll and the inhibition of C and N acquisition rather than P uptake mechanisms. AgNPs, P supply and their interactions also significantly (p < 0.0001) reduced sestonic C:P and N:P ratios and increased C:N, C:Chl and cell-bound Ag stoichiometry. Our results indicate that fate and toxicity of AgNP will vary with phosphorus pollution level in aquatic 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.
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 | 0,001 |
| 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) | 0,000 | 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 ».