Effects of Caffeine on Fish Learning
Notice bibliographique
Résumé
Pollution is an increasing threat to health and biodiversity, especially chemical pollution in the air, land, and water. One such example is caffeine, which is a main active ingredient in coffee and is ingested by humans worldwide for its stimulant effects and cultural significance. This widespread caffeine ingestion coupled with incomplete removal during wastewater treatment results in high concentrations of caffeine in the environment. Aquatic organisms living in waterways receiving wastewater effluent are often exposed to caffeine continuously. Given this long-term and widespread exposure, caffeine is an emerging contaminant of concern. However, most research investigating the effects of caffeine on aquatic organisms use caffeine doses that are much higher and caffeine exposure durations that are much shorter than those found in the environment. Also, most caffeine exposure studies also rely on relatively simple behavioural endpoints and make use of neotropical species. In contrast, I exposed fathead minnow (Pimephales promelas), a common freshwater fish in North America, to environmentally relevant concentrations of caffeine (0 ng/L; 1,000 ng/L; 10,000 ng/l) for 35 days. Caffeine exposure did not affect morphology (e.g., length, mass, growth) or metabolism (maximum metabolic rate, resting metabolic rate, and aerobic scope), but decreased their hepatosomatic index (liver investment). While caffeine did not affect the number of trials taken to associative or reversal learn, or the latency of fish to avoid an aversive trawl, three weeks of exposure to low caffeine concentrations may have decreased anxiety. Taken together our results suggest that future studies perhaps with different endpoints are needed clarify our understanding of how caffeine influences metabolism, anxiety, and learning. Overall, our results provide evidence that complex behavioural endpoints such as aversive learning can be used in ecotoxicological studies.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».