The Inflammatory Process in Response to Nanoparticles
Notice bibliographique
Résumé
products are already available on the market [1, 2]. The use of nanoparticles (NPs) has increased in the past few years in various fields including defence, aerospace, electronics, biology, and medicine. Therefore as human exposure to NPs increases, so do investigations on their toxicity. In one hand, nanotoxicology can be seen as an important subdiscipline of toxicology, and, on the other hand, it also represents a subdiscipline of nanotechnology [3]. Studies show that many parameters such as the diameter, surface area, surface composition, and solubility, to name a few, can all have an effect on cell responses, cellular interactions, and reactive oxygen species (ROS) production. They can also have an effect on NP capacity to bind to certain proteins or receptors. More importantly these parameters and others have also the potential to influence an inflammatory response following NP exposure as it has been shown in many in vitro and in vivo studies [4–7]. It has often been demonstrated that smaller particles tend to induce greater inflammatory responses than their bigger counterparts of same chemical composition [5]. Although some NPs may possess proinflammatory activities, the use of others and NP techniques can be very useful in medicine; for example, they can be used for drug-delivery therapies and may also represent excellent biomarkers for the diagnosis of diverse diseases, including inflammatory diseases. In an effort to increase our general knowledge regarding the inflammatory properties of NPs, this
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 | 0,016 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».