Yeast Cell as a Bio-Model for Measuring the Toxicity of Fish-Killing Flagellates
Notice bibliographique
Résumé
Harmful algal blooms are a significant environmental problem. Cells that bloom are often associated with intercellular or dissolved toxins that are a grave concern to humans. However, cells may also excrete compounds that are beneficial to their competition, allowing the cells to establish or maintain cells in bloom conditions. Here, we develop a yeast cell assay to assess whether the bloom-forming species can change the toxicity of the water environment. The current methods of assessing toxicity involve whole organisms. Here, yeast cells are used as a bioassay model to evaluate eukaryotic cell toxicity. Yeast is a commonly used, easy to maintain bioassay species that is free from ethical concerns, yet is sensitive to a wide array of metabolic and membrane-modulating agents. Compared to methods in which the whole organism is used, this method offers rapid and convenient cytotoxicity measurements using a lower volume of samples. The flow cytometer was employed in this toxicology assessment to measure the number of dead cells using alive/dead stain analysis. The results show that yeast cells were metabolically damaged after 1 h of exposure to our model toxin-producing euryhaline flagellates (Heterosigma akashiwo and Prymnesium parvum) cells or extracts. This amount was increased by extending the incubation time.
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) | 0,001 | 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 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 ».