Acquisition de tolérance au nickel d'un biofilm naturel exposé en microcosmes
Bibliographic record
Abstract
/ Il est aujourd'hui bien connu que les activités minières peuvent être à l'origine d'apport de métaux dans l'environnement. Cependant, si des contaminations peuvent avoir des effets néfastes sur les communautés biologiques, celles-ci peuvent dans certains cas, acquérir une tolérance leur permettant de résister aux pressions anthropiques. En effet, les organismes sensibles aux contaminants d'une communauté peuvent disparaître au profit d'espèces plus tolérantes. Le biofilm est un modèle biologique intéressant, car il \nest sédentaire, ubiquiste et à la base de la chaîne trophique. Afin de juger de sa potentielle acquisition de tolérance aux métaux, des expériences de toxicité ont été effectuées autour du concept du PICT (Pollution Induced Community Tolerance). Du biofilm issu d'un étang a ainsi été exposé en microcosmes à quatre concentrations en nickel (0 à 25 µM [Ni]T) pendant 28 jours (phase de sélection). Durant cette phase et pour chaque pas de temps, plusieurs paramètres ont été étudiés pour caractériser la réponse du biofilm : (1) la bioaccumulation ; (2) les enzymes extracellulaires ; (3) les polysaccharides ; (4) les protéines ; et (5) la taxonomie. En parallèle, l'évolution de leur tolérance dans le temps a été étudiée (phase de détection). Des tests de toxicité aiguë sur 6 h ont ainsi été effectués afin d'établir des courbes de toxicité en utilisant le rendement photosynthétique comme biomarqueur d'effet. Tous ces résultats mis ensemble vont permettre d'identifier les paramètres et réponses clés qui permettront de mieux utiliser le biofilm comme outil de biosuivi des contaminations métalliques dans les écosystèmes aquatiques.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".