Ecogenetics of mercury: From genetic polymorphisms and epigenetics to risk assessment and decision-making
Notice bibliographique
Résumé
The risk assessment of mercury (Hg), in both humans and wildlife, is made challenging by great variability in exposure and health effects. Although disease risk arises following complex interactions between genetic ("nature") and environmental ("nurture") factors, most Hg studies thus far have focused solely on environmental factors. In recent years, ecogenetic-based studies have emerged and have started to document genetic and epigenetic factors that may indeed influence the toxicokinetics or toxicodynamics of Hg. The present study reviews these studies and discusses their utility in terms of Hg risk assessment, management, and policy and offers perspectives on fruitful areas for future research. In brief, epidemiological studies on populations exposed to inorganic Hg (e.g., dentists and miners) or methylmercury (e.g., fish consumers) are showing that polymorphisms in a number of environmentally responsive genes can explain variations in Hg biomarker values and health outcomes. Studies on mammals (wildlife, humans, rodents) are showing Hg exposures to be related to epigenetic marks such as DNA methylation. Such findings are beginning to increase understanding of the mechanisms of action of Hg, and in doing so they may help identify candidate biomarkers and pinpoint susceptible groups or life stages. Furthermore, they may help refine uncertainty factors and thus lead to more accurate risk assessments and improved decision-making.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».