Importance de mieux connaître les mécanismes de transport des métaux pour la prédiction de l’accumulation et de la toxicité des métaux dissous chez le phytoplancton : récentes avancées et défis pour le développement du modèle du ligand biotique
Bibliographic record
Abstract
L’accumulation et la toxicité (aigüe) des métaux dissous chez plusieurs organismes aquatiques peuvent être prédites adéquatement à l’aide du modèle du ligand biotique (MLB), même si quelques exceptions existent. Lors d’expositions chroniques aux métaux, des interactions physiologiques complexes entre les organismes et les métaux essentiels et non essentiels modulent le taux de transport des métaux et leur toxicité. La présente revue de littérature aborde les récentes avancées en chimie de l’environnement, en biologie moléculaire et en physiologie cellulaire touchant aux mécanismes de régulation du transport membranaire des métaux essentiels chez le phytoplancton eucaryote et leurs impacts sur l’accumulation et la toxicité d’un métal habituellement non essentiel, le cadmium. Cette revue évalue finalement la possibilité d’inclure des éléments de physiologie algale dans la présente version du MLB afin d’améliorer le potentiel de ce modèle à prédire l’accumulation et la toxicité des métaux pour des expositions chroniques. Les résultats disponibles dans la littérature suggèrent que l’inclusion des rétroactions négatives et positives des métaux sur les paramètres cinétiques (Vmax : vitesse maximale de transport transmembranaire; KM : affinité des transporteurs pour le métal) des multiples systèmes de transport membranaire des métaux a le potentiel d’améliorer les prédictions de l’accumulation et de la toxicité des métaux à long terme chez le phytoplancton. Le développement d’un MLB capable de prédire adéquatement la toxicité chronique des métaux dans des conditions physicochimiques variables représentatives de celles retrouvées en milieu naturel bénéficiera des avancées récentes et futures en toxicologie, biologie et chimie de l’environnement. Ces connaissances pourraient permettre à long terme d’atteindre l’objectif ambitieux d’un MLB capable de réaliser des prédictions fiables à l’intérieur de milieux naturels complexes de différentes compositions chimiques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".