Nanoparticles can induce changes in the intracellular metabolism of lipids without compromising cellular viability
Notice bibliographique
Résumé
There is growing concern about the safety of engineered nanoparticles, which are produced for various industrial applications. Quantum dots are colloidal semiconductor nanoparticles that have unique luminescence characteristics and the potential to become attractive tools for medical imaging. However, some of these particles can cause oxidative stress and induce cell death. The objective of this study was to explore quantum dot-induced metabolic changes, which could occur without any apparent cellular damage. We provide evidence that both uncoated and ZnS-coated quantum dots can induce the accumulation of lipids (increase in cytoplasmic lipid droplet formation) in two cell culture models: glial cells in primary mouse hypothalamic cultures and rat pheochromocytoma PC12 cells. Glial cells treated with CdTe quantum dots accumulated newly synthesized lipids in a phosphoinositide 3-kinase-dependent manner, which was consistent with the growth factor-dependent accumulation of lipids in PC12 cells treated with CdTe and CdSe/ZnS quantum dots. In PC12 cells, quantum dots, as well as the hypoxia mimetic CoCl(2), induced the up-regulation of hypoxia-inducible transcription factor-1alpha and the down-regulation of the beta-oxidation of fatty acids, both of which could contribute to the accumulation of lipids. On the basis of our results, we propose a model illustrating how nanoparticles, such as quantum dots, could trigger the formation of intracellular lipid droplets, and we suggest that metabolic measurements, such as the determination of fat oxidation in tissues, which are known sites of nanoparticle accumulation, could provide useful measures of nanoparticle safety. Such assays would expand the current platform of tests for the determination of the biocompatibility of nanomaterials.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».