Unravelling Metal Speciation in the Microenvironment Surrounding Phytoplankton Cells to Improve Predictions of Metal Bioavailability
Notice bibliographique
Résumé
Abstract A lack of knowledge on metal speciation in the microenvironment surrounding phytoplankton cells (i.e., the phycosphere) represents an impediment to accurately predicting metal bioavailability. Phycosphere pH and O2 concentrations from a diversity of algae species were compiled. For marine algae in the light, the average increases were 0.32 pH units and 0.17 mM O2 in the phycosphere, whereas in the dark the average decreases were 0.10 pH units and 0.03 mM O2, in comparison to bulk seawater. In freshwater algae, the phycosphere pH increased by 1.28 units, whereas O2 increased by 0.38 mM in the light. Equilibrium modeling showed that the pH alteration influenced the chemical species distribution (i.e., free ion, inorganic complexes, and organic complexes) of Al, Cd, Co, Cu, Fe, Hg, Mn, Ni, Pb, Sc, Sm, and Zn in the phycosphere, and the O2 fluctuation increased oxidation rates of Cu(I), Fe(II) and Mn(II) from 2 to 938-fold. The pH/O2-induced changes in phycosphere metal chemistry were larger for freshwater algae than for marine species. Reanalyses of algal metal uptake data in the literature showed that uptake of the trivalent metals (Sc, Sm and Fe), in addition to divalent metals, can be better predicted after considering the phycosphere chemistry.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».