Nanosilver inhibits nitrification and reduces ammonia‐oxidising bacterial but not archaeal <i>amoA</i> gene abundance in estuarine sediments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 découle