Projet BIPlate - Développement d’indicateurs de biosurveillance des teneurs en platinoïdes dans l’écosystème forestier
Notice bibliographique
Résumé
Le secteur des transports est l’un des principaux contributeurs aux contaminations atmosphériques. Depuis les années 1990, de nombreux pays ont rendu les pots catalytiques obligatoires pour les moteurs essence et diesel. Cependant, cette technologie génère de nouveaux problèmes de pollution par les métaux dont les platinoïdes (PGE). Les PGE, selon leur forme d’émission, sont connus pour leur potentiel allergène et pour être cytotoxique, mutagène et cancérogène. En France, peu de données sont disponibles sur les teneurs environnementales et très peu d’études portent sur leurs impacts chroniques au niveau écologique et sanitaire.Les objectifs de ce projet sont (1) d’évaluer l’augmentation des teneurs en PGE dans l’environnement en France métropolitaine, (2) de cartographier les teneurs en PGE et de mettre ces données à disposition pour des études sur les effets à long terme des PGE sur la santéhumaine et (3) d’apporter des premières réponses sur la toxicité des PGE à travers l’étude des effets sur le métabolome des mousses terrestres.Les mousses ont été prélevées dans 405 sites ruraux et forestiers, lors de la campagne 2021. Les valeurs de concentration en Pd sont quantifiables dans tous les échantillons, celle du Pt et Rh dans respectivement 96,8 % et 93,8 % des échantillons. La cartographie des teneurs en Pd, Pt etRh met en évidence des zones géographiques plus contaminées en relation avec 2 sources émettrices : le trafic et l’industrie.L’évolution temporelle des concentrations en Pd, Pt et Rh entre 2016 et 2021 sur 371 sites communs (mêmes coordonnées géographiques, même couvert forestier et même espèce de mousse prélevées) a été analysée. Les résultats mettent en évidence une augmentation significative des teneurs des 3 éléments avec un taux d’évolution plus important pour Pt > Rh > Pd. De plus, le taux d’évolution sur 5 ans est négativement corrélé avec la valeur de concentration en 2016 (plus la valeur est faible en 2016, plus l’augmentation sera importante en 2021). Si l’augmentation du Pd et du Rh peut s’expliquer par une modification du trafic et du type de véhicules roulant, l’augmentation du Pt est plus difficile à expliquer (meilleurerémanence dans les écosystèmes, lien avec la matière organique et ré-envol plus simple, forme d’émission de l’élément plus facilement assimilable…).La caractérisation du métabolome d’Hypnum cupressiforme et Pseudoscleropodium purum met en évidence un effet du Pd et Rh sur ces 2 espèces de mousses. Bien qu’il ne soit pas encore possible de parler de biomarqueurs spécifiques, cette étude montre des corrélations entrecertains métabolites de poids moléculaires bien définis et les concentrations en platinoïdes. Des études complémentaires sur la valorisation des données sont nécessaires, en particulier sur le développement de modèles mathématiques permettant de mieux appréhender les phénomènes de spatialisation des données. De même, l’étude des tailles des particules, de leur biodisponibilité et des rapports isotopiques du Pd, Pt et Rh permettraient de connaître l’origine de ces éléments (trafic, industrie, naturel) dans les mousses mais également de mieux comprendre leurs impacts sur les mousses et les voies métaboliques mises en jeu.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».