Predicting Cadmium Accumulation and Toxicity in a Green Alga in the Presence of Varying Essential Element Concentrations Using a Biotic Ligand Model
Notice bibliographique
Résumé
This study refines the Biotic Ligand Model (BLM) approach by integrating the modulating effects of various essential elements on cadmium (Cd) uptake kinetics in the freshwater alga Chlamydomonas reinhardtii. The algae were first acclimated to a low (LM) or high trace metal (HM) medium as well as to low or high free Cd(2+) and Co(2+) concentrations. The short-term Cd transport capacity and affinity were then quantified in exposure media in which essential trace metals and calcium concentrations were manipulated. The results show that after acclimation to the LM medium, exposure to high free Ca(2+) decreases the capacity of the Cd transport system. Also, acclimation to high (10(-9) M free Co(2+)) or low (10(-11) M free Co(2+)) did not significantly affect Cd uptake rates. When all essential trace metals were simultaneously increased in the acclimation (and exposure) medium, the capacity of the transport system decreased by ∼ 60%, a decrease close to that due to high [Zn(2+)] alone, suggesting that Zn is the main trace metal modulator of the Cd transporter capacity. Changes in Cd toxicity (growth inhibition) in the presence of different essential trace metal concentrations were strongly related to the steady-state concentration of intracellular cadmium, regardless of the cell's nutritional state. Our BLM incorporating the physiological effects of Ca(2+) and other trace metals predicts steady-state Cd accumulation in the presence of varying concentrations of essential elements at 7 nM free Cd(2+), but predictions over a wide range of free [Cd(2+)] proved to be more difficult.
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 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».