How microplastics affect chiral illicit drug methamphetamine in aquatic food chain? From green alga (Chlorella pyrenoidosa) to freshwater snail (Cipangopaludian cathayensis)
Notice bibliographique
Résumé
The biological impacts of microplastics on many organisms have been well documented. However, the combined effects of microplastics and chiral chemicals on the aquatic food chain are less clear. In the present study, the enantioselective environmental behaviors of methamphetamine co-exposed with microplastics through an aquatic food chain (from Chlorella pyrenoidosa to Cipangopaludian cathayensis) have been investigated in a laboratory environment. It was found that the acute toxicity of methamphetamine against these two species was significantly increased in the presence of microplastics: Chlorella pyrenoidosa showed an EC50 shift from 0.77 to 0.32 mg L−1, while cipangopaludian cathayensis showed an LC50 shift from 4.15 to 1.48 mg L−1, upon the addition of microplastics as a co-contaminant with methamphetamine. Upon exposure to methamphetamine and microplastics, the oxidative damage of algae (19.9 to 36.8 nmol mgprot−1), apoptosis (increase about 2.17 times) and filtration rate (41.2 to 65.4 mL h−1) of snails were observably higher when compared to exposure to methamphetamine alone. After ingestion and accumulation of microplastics, the enantioselectivity, BCFs, BMFs, and distribution of methamphetamine were significantly altered. These results provide evidence that the co-occurrence of microplastics and the chiral drug methamphetamine may increase the burden on aquatic species, with potential further impacts throughout aquatic food chain.
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 | 0,000 | 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 | 0,000 | 0,000 |
| 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) | 0,004 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».