Évaluation du potentiel des larves de Chaoborus comme espèce sentinelle de la contamination des éléments de terres rares
Bibliographic record
Abstract
Au cours des dernières décennies, l’exploration minière des Éléments de Terres Rares (ETR) pour les industries liées aux technologies de pointe et aux technologies vertes a mené à leur diffusion et leur accumulation dans l’environnement aquatique en tant que contaminants émergents. L’utilisation d’espèces sentinelles, telles que les larves du genre Chaoborus, pour évaluer la contamination en ETR dans ces écosystèmes, s’avère pertinente et nécessaire pour le développement d’outils d’évaluation des risques écologiques. Pour ce projet de maîtrise, l’utilité de ces larves pour nous informer de la contamination par les ETR dans des lacs localisés à Rouyn-Noranda (Québec) et Sudbury (Ontario), deux régions minières, dont celle de Rouyn-Noranda faisant du recyclage de matériaux électroniques, a été évaluée. Nous avons aussi identifié les facteurs environnementaux modulant la bioaccumulation de ces contaminants par ces larves. Afin d’estimer la bioaccumulation de ces contaminants, nous avons évalué l’impact de l’adsorption à la surface de l’organisme et du contenu digestif sur cette mesure. Selon nos résultats, les concentrations d’ETR chez les Chaoborus n’indiquent pas d’anomalies liées à une transformation anthropique (par exemple, activités de recyclage des déchets électroniques). Au niveau des mesures de la bioaccumulation, le retrait du contenu digestif (dépuration) n’était pas une étape nécessaire étant donné l’absence de diminution des concentrations, et ce avec une dépuration jusqu’à 72 h. Cependant, la désorption est une étape importante pour mesurer l’internalisation étant donné les pourcentages importants d’adsorption chez la larve de Chaoborus (de 47 % pour le Ce à 75 % pour le Pr). Pour établir leur potentiel comme sentinelles, l’approche du modèle du ligand biotique a été utilisée en explorant différents scénarios : i) l’utilisation des concentrations totales, ii) des concentrations ioniques, iii) de modèles incluant des ions compétiteurs. À l’aide du poids du critère d’information d’Akaike, nos résultats ont révélé que les modèles combinant les ions ETR libres et les ions compétitifs (par exemple Mn, Al, Fe) étaient généralement les meilleurs (jusqu’à 80 % de probabilités d’être le meilleur modèle) pour expliquer la bioaccumulation des ETR chez Chaobours par rapport à ceux utilisant uniquement les concentrations totales d’ETR (< 0,01 %) ou d’ions libres. Ces informations permettent de mieux comprendre l’interaction des ETR avec les organismes aquatiques dans un environnement complexe riche en ligands et en éléments métalliques, ce qui est essentiel pour le suivi des ETR. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Bioaccumulation, Modèle du ligand biotique (MLB), Adsorption, Dépuration, Biosurveillance
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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 teacher head, 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".