Multiple-stressor effects in an apex predator: combined influence of pollutants and sea ice decline on lipid metabolism in polar bears
Notice bibliographique
Résumé
There is growing evidence from experimental and human epidemiological studies that many pollutants can disrupt lipid metabolism. In Arctic wildlife, the occurrence of such compounds could have serious consequences for seasonal feeders. We set out to study whether organohalogenated compounds (OHCs) could cause disruption of energy metabolism in female polar bears (Ursus maritimus) from Svalbard, Norway (n = 112). We analyzed biomarkers of energy metabolism including the abundance profiles of nine lipid-related genes, fatty acid (FA) synthesis and elongation indices in adipose tissue, and concentrations of lipid-related variables in plasma (cholesterol, high-density lipoprotein, triglycerides). Furthermore, the plasma metabolome and lipidome were characterized by low molecular weight metabolites and lipid fingerprinting, respectively. Polychlorinated biphenyls, chlordanes, brominated diphenyl ethers and perfluoroalkyl substances were significantly related to biomarkers involved in lipid accumulation, FA metabolism, insulin utilization, and cholesterol homeostasis. Moreover, the effects of pollutants were measurable at the metabolome and lipidome levels. Our results indicate that several OHCs affect lipid biosynthesis and catabolism in female polar bears. Furthermore, these effects were more pronounced when combined with reduced sea ice extent and thickness, suggesting that climate-driven sea ice decline and OHCs have synergistic negative effects on polar bears.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».