Non-destructive methods to assess pesticide exposure in free-living bats
Notice bibliographique
Résumé
Bat populations are dwindling worldwide due to anthropogenic activities like agriculture, however the role that pesticide exposure plays on these declines is unclear. To address these research gaps, we first need to develop reliable methods to detect and monitor exposure to environmental pollutants and its effects on free-living bats. The use of biomarkers is a sensitive and informative tool to study sublethal effects in wildlife, however it requires laboratory validation and integrative approaches to be applicable to free-living species. In this study, we propose a set of non-destructive biomarkers to evaluate pesticide exposure in free-ranging bats and validated their suitability with dose-exposure experiments in captivity. We selected three biomarkers that have been widely used in vertebrate ecotoxicology and that combined represent sensitive, specific, and ecologically relevant responses to pollutants: DNA damage, AChE activity, and leukocyte profiles. We used two insectivorous bat species as model species Eptesicus fuscus (laboratory) and Pteronotus mexicanus (field). We found that micronuclei frequency (genotoxicity) and AChE activity (exposure and neurotoxicity) were robust indicators of toxicant exposure. The validity of this set of endpoints was supported by their consistent performance in laboratory and field experiments as well as by the significant correlation among them. Leukocyte profile (systemic stress) results were not consistent between laboratory and field studies, suggesting further evaluation of its suitability is needed. Integrative approaches, like the one we used here, maximize the insights about toxicant effects by combining the information of single biomarkers into more meaningful inferences, which can be applied to environmental risk assessments in wildlife. Furthermore, the use of non-destructive, cost-effective biomarkers is imperative when assessing toxicant exposure and effects in vulnerable wildlife and it should be a priority in the field of wildlife toxicology.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».