MétaCan
Menu
Retour à la cohorte
Enregistrement W6932070038 · doi:10.5683/sp3/uflt9d

Slow heating rates increase thermal tolerance and alter mRNA HSP expression in juvenile white sturgeon (Acipenser transmontanus)

2023· dataset· en· W6932070038 sur OpenAlexaff

Notice bibliographique

RevueBorealis · 2023
Typedataset
Langueen
DomaineComputer Science
ThématiqueText Readability and Simplification
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSturgeonJuvenileHsp70Messenger RNAEctothermThermalAcclimatization

Résumé

récupéré en direct d'OpenAlex

Abstract Freshwater fish such as white sturgeon (Acipenser transmontanus) are particularly vulnerable to the effects of anthropogenically induced global warming. Critical thermal maximum tests (CTmax) are often conducted to provide insight of the impacts of changing temperatures; however, little is known about how the rate of temperature increase in these assays affects thermal tolerance. To assess the effect of heating rate (0.3°C/min, 0.03°C/min, 0.003°C/min) we measured thermal tolerance, somatic indices, and Hsp mRNA expression. Contrary to what has been observed in most other fish species, white sturgeon thermal tolerance was highest at the slowest heating rate of 0.003°C/min, suggesting an ability to rapidly acclimate to slowly increasing temperatures. Hepatosomatic index decreased in all heating rates relative to control fish, indicative of the metabolic costs of thermal stress. At the transcriptional level, slower heating rates resulted in higher mRNA expression of Hsp90a, Hsp90b, and Hsp70. Hsp70 mRNA expression was increased in all heating rates relative to controls, whereas expression of Hsp90a and Hsp90b mRNA only increased in the two slower trials. Together these data indicate that white sturgeon have a very plastic thermal response, which is likely energetically costly to induce. Acute temperature changes may be more detrimental to sturgeon as they struggle to acclimate to rapid changes in their environment, however under slower warming rates they demonstrate strong thermal plasticity to warming.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,260
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBorealisMême sujetText Readability and SimplificationTravaux en français237 207