Validation of immunotoxicological tools to the study of biological effects of polluants in the marine ecosystem
Bibliographic record
Abstract
Les effluents industriels, agricoles et urbains, chargés en polluants divers, soumettent les écosystèmes marins côtiers à un risque écotoxicologique chronique. Depuis une vingtaine d années, es effets toxiques des polluants sur le système immunitaire ont été étudiés chez tous les groupes écologiques, notamment chez les bivalves pour caractériser ce risque dans les écosystèmes aquatiques. Pour définir un cadre opérationnel de ces outils immunotoxicologiques, il a fallu d abord étudier plusieurs questions méthodologiques. Ensuite, il convenait d étudier l impact des facteurs endogènes et environnementaux naturels sur le signal immunotoxique généré par un polluant. Dans le cadre d une collaboration franco-québécoise, un suivi bisannuel, en France (Rade de Brest), chez la moule bleue, Mytilus edulis et chez l huître creuse, Crassostrea gigas, a permis de mettre en évidence le rôle critique du sexe et du cycle reproducteur sur les variations saisonnières des paramètres immunitaires, au détriment des paramètres naturels de la colonne d eau. En parallèle, deux série d expositions in tubo de moules bleues, au Québec, à deux saisons différentes a également mis en évidence le rôle critique du sexe et du cycle reproducteur dans la mesure du signal immunotoxique des xénobiotiques, mais surtout dans la sensibilité immunotoxique. En conclusion, ces travaux ont permis de créer un cadre opérationnel d utilisation des biomarqueurs immunotoxicologiques, pour l évaluation du risque chimique dans les milieux marins côtiers. Mais ils ont également démontré l importance capitale des facteurs endogènes étudiés pour évaluer, au plus juste, le danger des substances 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 | 0.006 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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".