MétaCan
Menu
Retour à la cohorte
Enregistrement W3128898613 · doi:10.1038/s41598-020-73441-1

Nickel excess affects phenology and reproductive attributes of Asterella wallichiana and Plagiochasma appendiculatum growing in natural habitats

2021· article· en· W3128898613 sur OpenAlexaff
Anil Kumar Sharma, Madhulika Bhagat, Mohammad Urfan, Bilal Ahmed, Anima Langer, Villayat Ali, Dhiraj Vyas, Narendra Singh Yadav, Haroon Rashid Hakla, Shubham Sharma, Sikander Pal

Notice bibliographique

RevueScientific Reports · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLichen and fungal ecology
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesUniversity Grants Commission
Mots-clésHabitatPhenologyBiologyAbundance (ecology)EcologyPopulation

Résumé

récupéré en direct d'OpenAlex

Bryophytes are potent metal absorbers, thriving well on heavy metal (HM)-polluted soils. Mechanisms controlling uptake, compartmentalization and impacts of HMs on bryophytes life cycle are largely unknown. The current study is an effort to decipher mechanisms of nickel (Ni) excess-induced effects on the phenological events of two bryophytes, Asterella wallichiana and Plagiochasma apendiculatum growing in natural habitats. Observations revealed Ni-excess induced negative impacts on abundance, frequency of occurrence of reproductive organs, population viability and morphological traits, spore viability and physiological attributes of both the liverworts. Results led us conclude that P. appendiculatum survived better with the lowest impact on its life cycle events than A. wallichiana under Ni excess in natural habitats. Our findings collectively provide insights into the previously unknown mechanisms of Ni-induced responses in liverworts with respect to phenological attributes, as well as demonstrate the potential of P. appendiculatum to survive better in Ni excess habitats.

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 enseignants0,002
Score d'incertitude au seuil0,004

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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,219
Écart entre enseignants0,205 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetLichen and fungal ecologyTravaux en français237 207