Importance de mieux connaître les mécanismes de transport des métaux pour la prédiction de l’accumulation et de la toxicité des métaux dissous chez le phytoplancton : récentes avancées et défis pour le développement du modèle du ligand biotique
Notice bibliographique
Résumé
L’accumulation et la toxicité (aigüe) des métaux dissous chez plusieurs organismes aquatiques peuvent être prédites adéquatement à l’aide du modèle du ligand biotique (MLB), même si quelques exceptions existent. Lors d’expositions chroniques aux métaux, des interactions physiologiques complexes entre les organismes et les métaux essentiels et non essentiels modulent le taux de transport des métaux et leur toxicité. La présente revue de littérature aborde les récentes avancées en chimie de l’environnement, en biologie moléculaire et en physiologie cellulaire touchant aux mécanismes de régulation du transport membranaire des métaux essentiels chez le phytoplancton eucaryote et leurs impacts sur l’accumulation et la toxicité d’un métal habituellement non essentiel, le cadmium. Cette revue évalue finalement la possibilité d’inclure des éléments de physiologie algale dans la présente version du MLB afin d’améliorer le potentiel de ce modèle à prédire l’accumulation et la toxicité des métaux pour des expositions chroniques. Les résultats disponibles dans la littérature suggèrent que l’inclusion des rétroactions négatives et positives des métaux sur les paramètres cinétiques ( V max : vitesse maximale de transport transmembranaire; K M : affinité des transporteurs pour le métal) des multiples systèmes de transport membranaire des métaux a le potentiel d’améliorer les prédictions de l’accumulation et de la toxicité des métaux à long terme chez le phytoplancton. Le développement d’un MLB capable de prédire adéquatement la toxicité chronique des métaux dans des conditions physicochimiques variables représentatives de celles retrouvées en milieu naturel bénéficiera des avancées récentes et futures en toxicologie, biologie et chimie de l’environnement. Ces connaissances pourraient permettre à long terme d’atteindre l’objectif ambitieux d’un MLB capable de réaliser des prédictions fiables à l’intérieur de milieux naturels complexes de différentes compositions chimiques.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».