Étude de la compétition entre trois métaux de terres rares chez Chlamydomonas reinhardtii
Bibliographic record
Abstract
Les éléments de terres rares (ETR) sont de plus en plus utilisés en raison de leurs propriétés optiques, magnétiques et catalytiques uniques. Avec l'augmentation de l'exploitation minière et de la production d'ETR, il est essentiel d'évaluer leurs impacts environnementaux potentiels. Le modèle du ligand biotique (MLB) peut être utilisé pour prédire la bioaccumulation des métaux et leur toxicité. En théorie, il prend en compte la compétition entre les métaux, ce qui est particulièrement important pour les ETR puisque ceux-ci se trouvent presque toujours sous forme de mélanges dans l’environnement. L'objectif de cette étude est de relier la bioaccumulation des ETR à leur exposition, que ce soit pour des mélanges soigneusement contrôlés en laboratoire ou pour un échantillon d’eau situé à proximité d’une mine d’ETR. Les flux d'internalisation de trois cations d'ETR ont été mesurés afin de déterminer les constantes pour leur interaction avec Chlamydomonas reinhardtii, avec un potentiel d'utilisation dans un MLB (logKLa = 7,9 M-1 ; logKCe = 7,6 M-1 ; logKY = 7,8 M-1). Par la suite, la bioaccumulation mesurée pour les paires ou un mélange des trois cations a confirmé une interaction compétitive (antagoniste) parmi les trois ETR. En effet, la compétition entre les paires ioniques a été bien prédite à partir des constantes déterminées lors des expériences sur un seul métal, indiquant fortement que les ETR partagent des sites de transport communs. Étant donné la similitude des constantes et l'hypothèse d'un site d'absorption unique, la bioaccumulation totale des ETR est restée approximativement constante pour les différents mélanges. Les effets de compétition du Ca2+ et du Mg2+ ont aussi été observés sur la bioaccumulation du La en utilisant le MLB (logKCa = 4.7 M-1; logKMg = 3.8 M-1). Ces expériences ont ensuite été refaites, mais avec des échantillons d’eau naturelle. D’abord, les propriétés physicochimiques, les concentrations de métaux majeurs et les concentrations d’ETR de quatre sites (Nechalacho, Rivière-des-Prairies, Saguenay et Rouyn-Noranda) ont été analysées. Par la suite, la bioaccumulation de l’eau de ces sites a été mesurée et comparée aux résultats obtenus en laboratoire.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| 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 | 0.000 |
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".