Zn Isotope Fractionation in the Oyster <i>Crassostrea hongkongensis</i> and Implications for Contaminant Source Tracking
Notice bibliographique
Résumé
Variations in stable isotope ratios have been used to trace sources of contaminants as well as their biogeochemical pathways in the environment. In this study, we investigated the influences of internal redistribution among tissues and ambient water conditions on Zn isotope fractionation in oysters. There was no significant difference in Zn isotope ratios during in vivo Zn transportation among various oyster tissues. Estuarine oysters were exposed to additional Zn either at different salinities or at different Zn concentrations, following which the Zn isotope ratios in the oysters were measured. Results showed no significant difference in δ66/64Zn values in the oysters exposed at different salinities. Tissue Zn accumulation increased with increasing Zn levels in water over the 30 day exposure. Within this period, there was a nearly 0.3‰ difference in averaged δ66/64Zn values in the exposed oysters compared to the initial δ66/64Zn values in the oysters prior to exposure. However, there was no evidence of significant difference in δ66/64Zn values in oysters exposed at different Zn levels, with postexposure signatures similar to the δ66/64Zn values of the Zn solution added. Our results suggested that the δ66/64Zn values measured in the oysters were approaching the δ66/64Zn values of the “source” faster with increasing Zn concentrations added in the water. This study highlighted the absence of Zn isotope fractionation during Zn internal distribution and in vivo transport in oysters. The calculation of the contributions of different Zn sources demonstrated that oysters can be a sentinel animal for Zn source tracking in marine environments.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| 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 ».