Changes in Bacterial Community Structure after Exposure to Silver Nanoparticles in Natural Waters
Notice bibliographique
Résumé
Silver nanoparticles (AgNPs) are widely used in commercial products as antibacterial agents, but AgNPs might be hazardous to the environment and natural aquatic bacterial communities. Our recent research demonstrated that AgNPs rapidly but temporarily inhibited natural bacterioplankton production. The current study investigates the mechanism for the observed bacterial reaction to AgNPs by examining how AgNPs impact bacterial abundance, metabolic activity (5-cyano-2,3-ditolyl tetrazolium chloride (CTC+) cells), and 16S rRNA community composition. Natural bacterioplankton communities were dosed with carboxy-functionalized AgNPs at four concentrations (0.01-1 mg-Ag/L), incubated in triplicate, and monitored over 5 days. Ionic silver (AgNO(3)) and Milli-Q water treatments were used as a positive and negative control, respectively. Four general AgNP exposure responses, relative to the negative control, were observed: (1) intolerant, (2) impacted but recovering, (3) tolerant, and (4) stimulated phylotypes. Relationships between cell activity indicators and bacterial phylotypes, suggested that tolerant and recovering bacteria contributed the most to the community's productivity and rare bacteria phylotypes stimulated by AgNPs did not appear to contribute much to cell activity. Overall, natural bacterial communities tolerated single, low level AgNP doses and had similar activity levels to the negative control within five days of exposure, but bacterial community composition was different from that of the control.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».