Differential genetic expression : diatoms and river biofilm as diagnostic tools for metal contamination.
Bibliographic record
Abstract
Le Québec vit actuellement un véritable « boom » minier qui façonnera certaines régions de \nfaçon permanente. Les cours d’eau situés en zones d’activité minière seront fortement altérés, \nnotamment par les contaminations métalliques. Le développement de bio-indicateurs permettant de \nmettre en évidence de telles pollutions est crucial pour statuer sur la qualité des cours d’eau mais \naussi pour évaluer les effets des programmes de restauration. \nLe biofilm périphytique possède toutes les qualités pour être un bon bio-indicateur puisqu’il \nest immobile, présent partout et composé d’espèces possédant des preferenda écologiques et des \nsensibilités variées aux toxiques. Des études ont montré que les diatomées (algues brunes \nunicellulaires composant le biofilm) pouvaient présenter des déformations au niveau de leur frustule \n(coquille de silice caractéristique de ces algues) dans des rivières contaminées par des métaux. \nLe travail présenté ici explore l’intérêt d’une approche de biologie moléculaire basée sur \nl’expression génétique différentielle pour révéler les impacts des métaux sur les diatomées. Cette \nétude s’intéresse en particulier au lien entre, les déformations induites par l’exposition aux métaux et \nl’expression des gènes intervenant dans la régulation du métabolisme de la silice. \nPour ce faire des cultures Nitzschia palea, une espèce de diatomée cosmopolite, ont été \nexposées à différentes concentrations de cadmium (0, 10 et 100 µg/L) pendant 28 jours. Les \nrésultats ont révélé un impact du cadmium sur la croissance, la bioaccumulation du Cd, l’activité \nphotosynthétique, l’expression génétique et le taux de déformation de N. palea en lien avec la dose \net la durée d’exposition. En particulier, l’exposition au métal a entraîné l’induction des transporteurs \nde la silice (sit1) et provoqué des déformations au niveau de la forme générale du frustule et des \nirrégularités des fibules et des stries. \nCe travail est la première étude explorant les liens entre expression génétique et \ndéformations chez une diatomée d’eau douce. Les résultats obtenus sont prometteurs et laissent \nenvisager le potentiel des outils de biologie moléculaire pour le suivi de la qualité des cours d’eau \ndans un contexte de contamination métallique.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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".