Selenium and mercury tissue partitioning and trophodynamics in the Lake Koocanusa (USA–Canada) fish community
Notice bibliographique
Résumé
ABSTRACT: Mining-related contaminants such as selenium (Se) and mercury (Hg) accumulate in aquatic organisms and transfer through aquatic food webs, where they can exert toxic effect undermining the ecological health of aquatic resources. Yet, how Se and Hg co-distribute within food webs and within individual organisms remains poorly understood. We compiled muscle and ovary Se and Hg concentration data from fishes captured in Lake Koocanusa—a North American reservoir receiving elevated Se and Hg inputs from coal mining operations in the Elk River Valley, Canada—to provide insights into the co-processing of Se and Hg within fish and among fish species, including how ecological or seasonal factors shift these distribution patterns. Se and Hg concentrations (ranges: 0.21-38.7 μg Se g -1 dry weight and 0.01-0.84 μg Hg g -1 wet weight), as well as Se:Hg molar ratios, varied substantially between tissues and among species, reflecting biological and ecological differences. Our results suggest that the decoupling of Se or Hg deposition in fish muscle versus ovary may reflect different pathways of impairment, at the individual and population levels, and that interspecific and tissue-specific variability makes it challenging to set a universal Se:Hg threshold for the protection of aquatic organisms.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».