Selenium toxicity in fishes: A current perspective
Notice bibliographique
Résumé
Anthropogenic activities have led to increased levels of contaminants that pose significant threats to aquatic organisms, particularly fishes. One such contaminant is Selenium (Se), a metalloid which is released by various industrial activities including mining and fossil fuel combustion. Selenium is crucial for various physiological functions, however it can bioaccumulate and become toxic at elevated concentrations. Given that fishes are key predators in aquatic ecosystems and a major protein source for humans, Se accumulation raises considerable ecological and food safety concerns. Selenium induces toxicity at the cellular level by disrupting the balance between reactive oxygen species (ROS) production and antioxidant capacity leading to oxidative damage. Chronic exposure to elevated Se impairs a wide range of critical physiological functions including metabolism, growth and reproduction. Selenium is also a potent teratogen and induces various types of adverse developmental effects in fishes, mainly due to its maternal transfer to the eggs. Moreover, that can persist across generations. Furthermore, Se-induced oxidative stress in the brain is a major driver of its neurotoxicity, which leads to impairment of several ecologically important behaviours in fishes including cognition and memory functions, social preference and interactions, and anxiety response. Our review provides an up-to-date and in-depth analysis of the various adverse physiological effects of Se in fishes, while identifying knowledge gaps that need to be addressed in future research for greater insights into the impact of Se in aquatic ecosystems.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 ».