Effects of silver nanoparticles on bacterioplankton in a boreal lake
Notice bibliographique
Résumé
Summary Silver nanoparticles (AgNPs) are widely used antimicrobial agents and a growing body of evidence suggests that their release into aquatic environments threatens natural bacterial communities and whole ecosystems. However, a knowledge gap exists between the toxic effects of AgNPs found in laboratory studies and their potential impacts in natural environments. In an enclosure experiment conducted in a boreal lake, we exposed natural bacterial communities to AgNPs with two common types of coatings (polyvinylpyrrolidone (PVP) and citrate) under two different exposure regimes, a one‐time (pulse) and a continuous (chronic) addition. AgNP additions increased Ag concentrations to nearly 50 μg L−1 in the highest treatments. We examined bacterial responses (abundance, biomass, production, chlorophyll‐a content and nutrient stoichiometry) over the course of 6 weeks in the summer of 2012. Bacterioplankton exposed to AgNPs initially accumulated Ag over the experimental period regardless of AgNP concentration or coating. After the initial period of increase, Ag in the bacterial size fraction changed largely in concert with bacterial biomass. We found no toxic effects of AgNPs on bacterioplankton abundance, biomass, production or chlorophyll‐a content throughout the experiment. Bacterial production was greater after the pulse addition of PVP‐coated AgNPs and in the chronic addition of PVP‐coated AgNPs at the highest concentrations. Furthermore, AgNPs produced no significant changes in nutrient stoichiometry of the bacterioplankton size fraction. This lack of effects of AgNPs on lake bacterioplankton observed under the natural conditions studied here differs from results of short‐term and laboratory studies of single‐species bacterial cultures. Our results thus indicate AgNP effects in lakes may be less than expected based on standard laboratory experiments, and that additional studies are needed to understand AgNP toxicity under realistic natural conditions in lakes and other ecosystems.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».