Honey bees as biomonitors of environmental contaminants, pathogens, and climate change
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Monitoring the environment for pollution, pesticides, and pathogens is crucial for protecting human, agriculture, and overall ecosystem health. Diverse strategies ranging from physical sensors to sentinel species have been used for environmental monitoring. The European honey bee, Apis mellifera, is a globally managed pollinator that can serve as a continuous biomonitoring species. During foraging, honey bees are exposed to contaminants and pathogens and carry them to their hives where they can be detected and quantified. Although individual bees are vulnerable to environmental stressors, the honey bee colony as a whole is more resilient and can accumulate contaminants or respond to them without collapsing. This allows for long-term monitoring of the colony to map contaminants in a geographical area and study ecotoxicology gradients over space and time. In this paper, we review demonstrated and proposed uses of honey bees for environmental monitoring. We focus our discussion on heavy metals, air pollutants, pesticides, and plant pathogens that can be detected in bees and their hive materials including honey, wax, and stored pollen. We present the use of gene expression, microbiome profiling, and other high-throughput methodologies to study dose-dependent exposure and increase detection sensitivity; for example, stored pollen analysis with next generation sequencing can reveal the presence of plant viruses, fungi, and invasive species earlier than traditional detection methods. Finally, we discuss opportunities for using honey bees to monitor emerging threats such as climate change and antimicrobial resistance. This narrative review highlights the versatility and potential utility of the European honey bee as a biomonitoring species for ecosystem health.
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.
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) | 0,004 | 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 découle