Organic selenium, selenate, and selenite accumulation by lake plankton and the alga <i>Chlamydomonas reinhardtii</i> at different pH and sulfate concentrations
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
Abstract Selenium (Se) concentrations measured in lake planktonic food chains (microplankton &lt;64 μm, copepods, and Chaoborus larvae) were strongly correlated with the concentrations of dissolved organic Se. These correlations were strengthened slightly by adding the concentrations of dissolved selenate to those of organic Se. To better understand the role of Se species and the influence of water chemistry on Se uptake, we exposed the green alga Chlamydomonas reinhardtii to selenite, selenate, or selenomethionine at various H+ ion and sulfate concentrations under controlled laboratory conditions. At low sulfate concentrations, inorganic Se species (selenate &gt;&gt; selenite) were more readily accumulated by this alga than was selenomethionine. However, at higher sulfate concentrations the uptake of selenite was higher than that of selenate, whereas the uptake of selenomethionine remained unchanged. Although the pH of the exposure water did not influence the uptake of selenate by this alga, the accumulation of selenomethionine and selenite increased with pH because of their relative pH-related speciation. The Se concentrations that we measured in C. reinhardtii exposed to selenomethionine were 30 times lower than those that we measured in field-collected microplankton exposed in the same laboratory conditions. This difference is explained by the taxa present in the microplankton samples. Using the present laboratory measurements of Se uptake in microplankton and of natural Se concentrations in lake water allowed us to model Se concentrations in a lake pelagic food chain. Environ Toxicol Chem 2018;37:2112–2122. © 2018 SETAC
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 | 0,001 | 0,002 |
| 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