Relation entre les espèces de mercure, le sélénium et les thiols dans les eaux de surface du parc national du Mont-Tremblant (Laurentides, Québec)
Bibliographic record
Abstract
Les thiols et le sélénium peuvent jouer un rôle important dans la méthylation du mercure des environnements aquatiques. Pour démontrer la présence des thiols et du sélénium et leur relation avec le mercure dans certains écosystèmes d'eau douce québécois, une campagne d’échantillonnage fut réalisée durant l’été 2010, dans le parc national du Mont-Tremblant (Laurentides, Québec). Il existe une corrélation significative entre le sélénium et le mercure total dans l’eau des lacs du parc. Cependant, les concentrations de sélénium sont très faibles dans les lacs, les étangs de castor et les ruisseaux. Par ailleurs, les lacs du parc national du Mont-Tremblant ont des concentrations relativement élevées de méthylmercure avec une moyenne de 0,33 ng L-1 et des maximums allant jusqu’à 3,29 ng L-1. Les étangs de castor peuvent aussi être considérés comme des lieux de contamination au méthylmercure, avec une concentration moyenne de 0,95 ng L-1. Toutefois, la présence d’une colonie de castors sur le bassin versant d’un lac ne semble pas influencer les concentrations de mercure que l’on y retrouve. Deux thiols sont détectables dans l’eau de surface des Laurentides, soit le glutathion et l’acide thioglycolique. La concentration de ce dernier thiol est corrélée significativement avec celle du mercure total et du méthylmercure. Les thiols peuvent jouer un rôle important dans les processus de méthylation en favorisant le transport du mercure inorganique à l’intérieur des bactéries sulfato-réductrices. Afin de mieux comprendre l’action antagoniste entre le sélénium et le mercure, des études devraient être réalisées au niveau des tissus des organismes vivants dans ces zones pauvres en sélénium.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".