Gas-Phase Ambient Air Contaminants Exhibit Significant Dioxin-like and Estrogen-like Activity <i>in Vitro</i>
Notice bibliographique
Résumé
Several adverse health effects, such as respiratory and cardiovascular morbidity, have been linked to exposure to particulate matter in ambient air; however, the biologic activity of gas-phase ambient organic air contaminants has not been examined as thoroughly. Using aryl hydrocarbon receptor (AHR)-based and estrogen receptor (ER)-based cell bioassay systems, we assessed the dioxin-like and estrogenic activities of gas-phase organic ambient air contaminants compared with those of particulate-phase contaminants using samples collected between seasons over 2 years from an urban and a rural location in the Greater Toronto Area, Canada. The concentration of the sum (Sigma) of polycyclic aromatic hydrocarbons, which was highest in the gas phase, was 10-100 times more abundant than that of Sigmapolychlorinated biphenyls, Sigmanitro-polycyclic aromatic hydrocarbons, and Sigmaorganochlorine pesticides, and 10(3) to 10(4) times more abundant than Sigmapolychlorinated dibenzo-p-dioxins/dibenzofurans. Gas-phase samples induced significant AHR- and ER-dependent gene expression. The activity of the gas-phase samples was greater than that of the particulate-phase samples in the estrogen assay and, in one case, in the AHR assay. We found no strong associations between either summer or winter seasons or urban or rural locations in the relative efficacy of the extracts in either the ER or AHR assay despite differences in chemical composition, concentrations, and abundance. Our results suggest that mechanistic studies of the health effects of ambient air must consider gas and particulate phases because chemicals present in both phases can affect AHR and ER signaling pathways.
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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».