Quantifying the effect of metal interactions on growth rate in <i>Saccharomyces cerevisiae</i>
Notice bibliographique
Résumé
Abstract Environmental stressors often co-occur, yet their combined effects on organisms remain poorly understood. As multifactorial anthropogenic changes intensify and alter environmental selection pressures, our understanding of stressor interactions is becoming increasingly important. However, established methods for characterizing the effects of stressor interactions can involve considerable experimental and computational labour. Here, we investigate how pairwise combinations of six divalent metal ions (Cd 2+ , Co 2+ , Cu 2+ , Mn 2+ , Ni 2+ , and Zn 2+ ) affect the growth of Saccharomyces cerevisiae , using a high-throughput assay to generate concentration-response surfaces for all 15 combinations. We introduce δ , an easily calculable metric that quantifies the toxicity of a mixture relative to the toxicities of its individual components, and compare it to an established metric for synergism/antagonism, a , determined by calculating deviation from a null model of additivity, i.e., “concentration addition”. Yeast growth rates reveal that metal mixture toxicity varies widely from the additive expectation with the effect of the combination ranging from greatly enhanced toxicity to greatly attenuated toxicity. Combinations with copper were more toxic than expected, and combinations with manganese or nickel were less. These trends correspond to known redox activities and metal-binding properties, pointing to possible mechanistic underpinnings rooted in oxidative stress and metal cofactor displacement. Furthermore, we find that a correlates with overlap in known metal resistance genes and similarity in redox potential, offering predictive insight into effects of metal interactions. While a provides a model-based measure of synergism or antagonism, δ serves as an intuitive, concentration-robust descriptor of ecological impact. Together, these metrics highlight the complexity of metal-metal interactions and the importance of accounting for nonadditive effects in ecotoxicological assessments. This framework provides a basis for evaluating mixture toxicity across diverse taxa and stressor types, with implications for both evolutionary biology and environmental risk assessment.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».