MétaCan
Menu
Retour à la cohorte
Enregistrement W2993954087 · doi:10.1021/acs.est.9b06187

Microplastic Impacts on Microalgae Growth: Effects of Size and Humic Acid

2019· article· en· W2993954087 sur OpenAlexaff
Ge Liu, Ruifen Jiang, Jing You, Derek C. G. Muir, Eddy Y. Zeng

Notice bibliographique

RevueEnvironmental Science & Technology · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMicroplasticsParticle sizeHumic acidChemistryToxicityEnvironmental chemistryBiotaAlgaeScenedesmus obliquusParticle (ecology)BiophysicsBotanyBiologyEcologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Research has already demonstrated the toxic effects of microplastics (MPs) on different biota. However, the underlying toxic mechanism of MPs remains to be elucidated, especially the effect of particle size and the presence of dissolved organic matter in water. This study investigated the impact on Scenedesmus obliquus exposed in five types of polystyrene particle suspensions with different sizes and surface charges, in the presence and absence of humic acid (HA). Results indicated that the 50% growth inhibition rate of S. obliquus showed no significant difference between the five types of MPs, but the toxic mechanism varied with particle size. Larger size MPs caused adverse effects by blocking the light transport and affecting photosynthesis, while smaller ones destroyed the cell wall by adsorbing onto the algae surface. Also, the addition of HA significantly alleviated the toxicity of smaller size MPs, but not of the larger ones. Scanning electron microscopy images and the reactive oxygen species assay demonstrated that the HA could form a corona on the surface of MPs, reduce the affinity to microalgae, and minimize the adverse effect. Together, these findings identified important factors in determining the toxicity of MPs, providing valuable data for risk assessment of MPs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,002
Tête enseignante GPT0,168
Écart entre enseignants0,166 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations388
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMicroplastics and Plastic PollutionTravaux en français237 207