qPCR-based prediction of low-level microcystin-LR using mcyE and passive sampling across multiple lakes and years
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Microcystin-LR (MC-LR) is a cyanobacterial hepatotoxin that poses health risks even at low concentrations. Because quantitative analysis of MC-LR is costly and time-consuming, water managers rely on early warning tools to determine when confirmatory testing is warranted. Quantitative PCR (qPCR) targeting the mcy genes has emerged as one such tool, but its reliability across lakes and seasons — particularly at low toxin concentrations — remains unclear. In this study, we used passive sampling to detect low concentrations (< 1 µg L −1 ) of MC-LR and paired this with qPCR monitoring of mcyE to assess whether mcyE alone can serve as a reliable indicator of low-level MC-LR presence over three years across ten lakes (total of n = 893 distinct samples). We developed location- and year-specific hierarchical Bayesian models to estimate the probability of MC-LR detection from mcyE concentrations. We also included environmental covariates to determine if their inclusion improved model performance. Although mcyE was the strongest overall predictor, its relationship with MC-LR varied substantially by location and year, and these hierarchical models were essential in capturing this variability. These findings highlight the promise of mcyE -based early warning systems for low-concentrations of MC-LR but emphasize that interpretation must be tailored to local ecological and seasonal conditions.
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.
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 | 0,001 | 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 | 0,000 |
| 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 découle