Nanosilver inhibits nitrification and reduces ammonia‐oxidising bacterial but not archaeal <i>amoA</i> gene abundance in estuarine sediments
Notice bibliographique
Résumé
Summary Silver nanoparticles (AgNPs) enter estuaries via wastewater treatment effluents, where they can inhibit microorganisms, because of their antimicrobial properties. Ammonia‐oxidising bacteria (AOB) and archaea (AOA) are involved in the first step of nitrification and are important to ecosystem function, especially where effluent discharge results in high nitrogen inputs. Here, we investigated the effect of a pulse addition of AgNPs on AOB and AOA ammonia monooxygenase ( amoA ) gene abundances and benthic nitrification potential rates (NPR) in low‐salinity and mesohaline estuarine sediments. Whilst exposure to 0.5 mg L −1 AgNPs had no significant effect on amoA gene abundances or NPR, 50 mg L −1 AgNPs significantly decreased AOB amoA gene abundance (up to 76% over 14 days), and significantly decreased NPR by 20‐fold in low‐salinity sediments and by twofold in mesohaline sediments, after one day. AgNP behaviour differed between sites, whereby greater aggregation occurred in mesohaline waters (possibly due to higher salinity), which may have reduced toxicity. In conclusion, AgNPs have the potential to reduce ammonia oxidation in estuarine sediments, particularly where AgNPs accumulate over time and reach high concentrations. This could lead to long‐term risks to nitrification, especially in polyhaline estuaries where ammonia‐oxidation is largely driven by AOB.
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 | 0,000 |
| 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 ».