Antibiotic pollution promotes dominance by harmful cyanobacteria: A case study examining norfloxacin exposure in competition experiments
Notice bibliographique
Résumé
Cyanobacterial harmful algal blooms (cyanoHABs) in freshwater lakes across the globe are often combined with other stressors. Pharmaceutical pollution, especially antibiotics in water bodies, poses a potential hazard in aquatic ecosystems. However, how antibiotics influence the risk of cyanoHABs remains unclear. Here, we investigated the effects of norfloxacin (NOR), one of the most widely used antibiotics globally, to a bloom‐forming cyanobacterium (Microcystis aeruginosa) and a common green alga (Scenedesmus quadricauda), under both mono‐ and coculture conditions. Taxon‐specific responses to NOR were evaluated in monoculture. In addition, the growth rate and change in ratio of cyanobacteria to green algae when cocultured with exposure to NOR were determined. In monocultures of Microcystis, exposure to low concentrations of NOR resulted in decreases in biomass, chlorophyll a and soluble protein content, while superoxide anion content and superoxide dismutase activity increased. However, NOR at high concentration only slightly affected Scenedesmus. During the co‐culture trials of Microcystis and Scenedesmus, the 5 μg · L−1 NOR treatment increased the ratio of Microcystis to co‐cultured Scenedesmus by 47.2%. Meanwhile, although Scenedesmus growth was enhanced by 4.2% under NOR treatment in monoculture, it was conversely inhibited by 63.4% and 38.2% when co‐cultured with Microcystis with and without NOR, respectively. Our results indicate that antibiotic pollution has a potential risk to enhance the perniciousness of cyanoHABs by disturbing interspecific interaction between cyanobacteria and green algae. These results reinforce the need for scientists and managers to consider the influence of xenobiotics in shaping the outcome of interactions among multiple species in aquatic ecosystems.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».