Subcellular Partitioning of Trace Elements Is Related to Metal Ecotoxicological Classes in Livers of Fish (Esox lucius; Coregonus clupeaformis) from the Yellowknife Area (Northwest Territories, Canada)
Notice bibliographique
Résumé
The subcellular partitioning of trace elements (TEs) may depend on their binding preferences, although few field data are available from mining-impacted areas. Northern pike and lake whitefish were collected from different aquatic systems located in the Yellowknife mining area (Northwest Territories, Canada) to examine the subcellular partitioning of TEs in liver cells. Elements belonging to metal classes based on binding affinities were considered: A (Ce, La), borderline (As, Pb), and class B (Ag, Cd). Measurements in the metal-detoxified fractions (granule-like structures and heat-stable proteins and peptides) and in the putative metal-sensitive fractions (heat-denatured proteins, mitochondria and microsomes, and lysosomes) revealed marked differences among metal classes. In both fish species, Cd and Ag accumulated more as detoxified forms (higher than 50%, likely bound to metallothionein-like proteins) than La and Ce (not more than 20%). The two borderline TEs (As and Pb) showed an intermediate behavior between classes A and B. Similar proportions were found in the "sensitive" subcellular fractions for all TEs, where quantitative ion character-activity relationships (QICARs) indicated the covalent index and electronegativity as predictors of the TE contribution in this compartment. This study supports the use of classes of metals to predict the toxicological risk of data-poor metals in mining areas.
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) | 0,002 | 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 ».