Incorporation of metal speciation data into QICAR models and application to data-poor technology-critical elements
Notice bibliographique
Résumé
In a previous article, we developed quantitative ion character-activity relationships (QICARs) to relate the intrinsic properties of a metal to its acute toxicity towards freshwater aquatic organisms. These predictive tools were developed for a set of data-rich training elements and then applied to a representative selection of technology-critical elements (TCEs). The toxicity of the TCEs was reasonably well predicted, with most values located within the 95% prediction intervals. In this work, we have extended this approach to use the calculated metal speciation. Linear free energy relationships were used to estimate some of the needed thermodynamic constants. Using this information, we expressed the concentration resulting in a 50% effect level value as free metal activities and performed regression analyses. For the training metals, the determination coefficients slightly increased compared with those obtained using the total dissolved metal. As before, the log-transformed composite value of the covalent index (χm2r) was the best predictor of their acute toxicity towards algae and daphnids (χm = metal's electronegativity; r = ionic radius). However, for the TCEs, the regressions were much poorer, particularly when the predicted free metal ion concentrations were very low (e.g., < 10-18 M). We suggest that this result reflects the distinctive speciation of these metals, where (i) the free metal ion is present only at vanishingly low concentrations (the calculation of which is problematic) and (ii) in all but one case (Au(CN)2-), the metal's calculated speciation is dominated by neutral polyhydroxo species (e.g., Au(OH)30, Ge(OH)40…). In our view, this result does not undermine the use of QICARs. Rather, the use of QICARs revealed that free-ion activity could be inadequate for predicting the toxicity of the studied data-poor metals.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».