MétaCan
Menu
Retour à la cohorte
Enregistrement W6959210818 · doi:10.1021/acs.est.4c12263.s001

DiminishingMercuryBioaccumulation in Zooplanktonalong an Estuarine Salinity Gradient

2025· article· en· W6959210818 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBioaccumulationMethylmercuryEstuaryTrophic levelMercury (programming language)ZooplanktonOrganic matterFood webSalinity

Résumé

récupéré en direct d'OpenAlex

Estuarine transition zones (ETZs) are biogeochemically complex, nutrient-rich environments supporting diverse and productive food webs. They may also be sites of microbial production of methylmercury (MeHg) and bioaccumulation of this neurotoxicant at the base of the food web. However, the environmental drivers controlling these mechanisms are unclear. We studied the pattern of MeHg bioaccumulation in zooplankton along the 200 km ETZ of a large North American estuary, the St. Lawrence Estuary (Québec, Canada). Our approach integrated the dynamic variation in ETZ geochemistry, focusing on MeHg speciation change, alongside ecological factors, including community composition and stable isotopic tracers of diet and habitat. MeHg bioaccumulation decreased with distance downstream along the ETZ, driven by the salinity gradient and traced by the isotopic signature of sulfur in zooplankton. MeHg speciation modeling suggested that complexation to dissolved organic matter may be used as a proxy of the trophic transfer of MeHg to zooplankton. Further, the binding of MeHg to organic matter was reduced by the presence of chloride, thus reducing the trophic transfer of MeHg. We propose a conceptual model for MeHg cycling in ETZ of large estuaries that hypothesizes that higher-level consumers in turbid upstream regions may face heightened risks of MeHg toxicity but that Hg levels diminish drastically as salinity increases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,811
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,058
Tête enseignante GPT0,344
Écart entre enseignants0,286 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetData Visualization and AnalyticsTravaux en français237 207