Identification of Arctic Food Fish Species for Anthropogenic Contaminant Testing Using Geography and Genetics
Notice bibliographique
Résumé
The identification of food fish bearing anthropogenic contaminants is one of many priorities for Indigenous peoples living in the Arctic. Mercury (Hg), arsenic (As), and persistent organic pollutants including polychlorinated biphenyls (PCBs) are of concern, and these are reported, in some cases for the first time, for fish sampled in and around King William Island, located in Nunavut, Canada. More than 500 salmonids, comprising Arctic char, lake trout, lake whitefish, and ciscoes, were assayed for contaminants. The studied species are anadromous, migrating to the ocean to feed in the summers and returning to freshwater before sea ice formation in the autumn. Assessments of muscle Hg levels in salmonids from fishing sites on King William Island showed generally higher levels than from mainland sites, with mean concentrations generally below guidelines, except for lake trout. In contrast, mainland fish showed higher means for As, including non-toxic arsenobetaine, than island fish. Lake trout were highest in As and PCB levels, with salmonid PCB congener analysis showing signatures consistent with the legacy of cold-war distant early warning stations. After DNA-profiling, only 4-32 Arctic char single nucleotide polymorphisms were needed for successful population assignment. These results support our objective to demonstrate that genomic tools could facilitate efficient and cost-effective cluster assignment for contaminant analysis during ocean residency. We further suggest that routine pollutant testing during the current period of dramatic climate change would be helpful to safeguard the wellbeing of Inuit who depend on these fish as a staple input to their diet. Moreover, this strategy should be applicable elsewhere.
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 | 0,000 | 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 ».