Arsenate decreases production of methylmercury across increasing sulfate concentration amendments in freshwater lake sediments
Notice bibliographique
Résumé
Arsenic (As) and sulfate pollution are often found co-occurring as a result of smelting metal ores. Previous studies showed that sulfate reducing microbes (SRMs) can use As(V) as a terminal electron acceptor, while others reported that SRMs are the main mercury (Hg) methylators in freshwater systems. However, we have yet to fully explore how As(V) can affect methylmercury (MeHg) production. In this study, we examined whether additions of As(V) and sulfate in freshwater sediments collected near a major gold mine with a history of S and As emissions affect Hg methylation. First, we show that Hg methylation in lake sediments was primarily limited by carbon substrate availability rather than by that of sulfate as terminal electron acceptors. Then, under conditions where carbon is not limiting, sulfate addition to the system significantly increased Hg methylation rate constants. Finally, we show that MeHg production rates in sediments significantly decreased with increasing As(V) concentrations, regardless of the sulfate concentration amended to sediments. This work underscores the apparent antagonistic effects of As(V) on the one hand, and carbon and sulfate on the other hand on the kinetics of Hg methylation. Arsenic controls on Hg methylation are complex and a combination of direct impact on the methylators' fitness, the formation of As-bearing mineral phases affecting Hg bioavailability, or changes in the microbial community structures over increasing As concentrations should be the focus of additional investigations.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».