Why Does Cysteine Enhance Metal Uptake by Phytoplankton in Seawater but Not in Freshwater?
Notice bibliographique
Résumé
Low-molecular-weight weak ligands such as cysteine have been shown to enhance metal uptake by marine phytoplankton in the presence of strong ligands, but the effect is not observed in freshwater. We hypothesized that these contrasting results might be caused by local cysteine degradation and a Ca effect on metal–ligand exchange kinetics in the boundary layer surrounding the algal cells; newly liberated free metal ions cannot be immediately complexed in seawater by Ca-bound strong ligands but can be rapidly complexed by free ligands at low-Ca levels. The present results consistently support this hypothesis. At constant bulk Cd 2+ concentrations, buffered by strong ligands: (1) at 50 mM Ca, cysteine addition significantly enhanced Cd uptake in high-Ca preacclimated euryhaline Chlamydomonas reinhardtii (cultured with cysteine as a nitrogen source to enhance local Cd 2+ liberation via cysteine degradation); (2) at 0.07 mM Ca, this enhancement was not observed in the algae; (3) at 50 mM Ca, the enhancement disappeared when C. reinhardtii were cultured with ammonium (to inhibit cysteine degradation and local Cd 2+ liberation); (4) cysteine addition did not enhance Cd uptake by cysteine-cultured marine Thalassiosira weissflogii when the concentration of immediately reacting strong ligands was sufficient to complex local Cd 2+ liberation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».