Acute Toxicity of Ternary Cd–Cu–Ni and Cd–Ni–Zn Mixtures to <i>Daphnia magna</i>: Dominant Metal Pairs Change along a Concentration Gradient
Notice bibliographique
Résumé
Multiple metals are usually present in surface waters, sometimes leading to toxicity that currently is difficult to predict due to potentially non-additive mixture toxicity. Previous toxicity tests with Daphnia magna exposed to binary mixtures of Ni combined with Cd, Cu, or Zn demonstrated that Ni and Zn strongly protect against Cd toxicity, but Cu-Ni toxicity is more than additive, and Ni-Zn toxicity is slightly less than additive. To consider multiple metal-metal interactions, we exposed D. magna neonates to Cd, Cu, Ni, or Zn alone and in ternary Cd-Cu-Ni and Cd-Ni-Zn combinations in standard 48 h lethality tests. In these ternary mixtures, two metals were held constant, while the third metal was varied through a series that ranged from nonlethal to lethal concentrations. In Cd-Cu-Ni mixtures, the toxicity was less than additive, additive, or more than additive, depending on the concentration (or ion activity) of the varied metal and the additivity model (concentration-addition or independent-action) used to predict toxicity. In Cd-Ni-Zn mixtures, the toxicity was less than additive or approximately additive, depending on the concentration (or ion activity) of the varied metal but independent of the additivity model. These results demonstrate that complex interactions of potentially competing toxicity-controlling mechanisms can occur in ternary-metal mixtures but might be predicted by mechanistic bioavailability-based toxicity models.
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 | 0,001 | 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 | 0,008 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| 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 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 ».