Mechanistic understanding of MeHg-Se antagonism in soil-rice systems: the key role of antagonism in soil
Notice bibliographique
Résumé
Methylmercury (MeHg) accumulation in rice has great implications for human health. Here, effects of selenium (Se) on MeHg availability to rice are explored by growing rice under soil or foliar fertilization with Se. Results indicate that soil amendment with Se could reduce MeHg levels in soil and grain (maximally 73%). In contrast, foliar fertilization with Se enhanced plant Se levels (3-12 folds) without affecting grain MeHg concentrations. This evidence, along with the distinct distribution of MeHg and Se within the plant, demonstrate for the first time that Se-induced reduction in soil MeHg levels (i.e., MeHg-Se antagonism in soil) rather than MeHg-Se interactions within the plant might be the key process triggering the decreased grain MeHg levels under Se amendment. The reduction in soil MeHg concentrations could be mainly attributed to the formation of Hg-Se complexes (detected by TEM-EDX and XANES) and thus reduced microbial MeHg production. Moreover, selenite and selenate were equally effective in reducing soil MeHg concentrations, possibly because of rapid changes in Se speciation. The dominant role of Se-induced reduction in soil MeHg levels, which has been largely underestimated previously, together with the possible mechanisms advance our mechanistic understanding about MeHg dynamics in soil-rice systems.
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) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».