Deciphering the diversity and concentrations of cyanopeptides from blooms in Ontario and Quebec, Canada
Notice bibliographique
Résumé
E. McCann, D. McMullin* Cyanobacteria blooms release mixtures of biologically active compounds into freshwater systems. These poorly studied compounds pose undetermined risks to both human and ecosystem health, and negatively impact local economies that depend on freshwater resources. While microcystins are extensively studied, little is known about the chemistry, structural diversity, toxicology and environmental concentrations of less studied cyanopeptide groups such as, anabaenopeptins, cyanobactins, cyanopeptolins, microginins and aeruginosins. The application of mass spectrometry and metabolomic data processing techniques are powerful tools for deciphering the mixtures of compounds released by cyanobacteria. A Non-targeted high resolution tandem mass spectrometry-based metabolomics approach was used to detect more than one-hundred unique cyanopeptides from fifty-five bloom samples collected from fifteen watercourses near the city of Ottawa in Canada. Microcystins and select other cyanopeptides were quantified with reference materials. The concentrations of other cyanopeptide groups for example, anabaenopeptins cyanopeptolins and microginins, were determined semi-quantitatively. Sixty of the compounds detected contributed significantly to the variation in cyanopeptide profiles between watercourses. The most commonly detected cyanopeptide groups were anabaenopeptins (thirty-three congeners) and cyanopeptolins (thirty-two congeners). Microcystins were detected in forty-one of the fifty-five bloom samples, where microcystin-LR was detected most often; however, microcystin-LA amounts were consistently the highest when detected for this toxin group.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».