Widespread Nanoparticle-Assay Interference: Implications for Nanotoxicity Testing
Notice bibliographique
Résumé
The evaluation of engineered nanomaterial safety has been hindered by conflicting reports demonstrating differential degrees of toxicity with the same nanoparticles. The unique properties of these materials increase the likelihood that they will interfere with analytical techniques, which may contribute to this phenomenon. We tested the potential for: 1) nanoparticle intrinsic fluorescence/absorbance, 2) interactions between nanoparticles and assay components, and 3) the effects of adding both nanoparticles and analytes to an assay, to interfere with the accurate assessment of toxicity. Silicon, cadmium selenide, titanium dioxide, and helical rosette nanotubes each affected at least one of the six assays tested, resulting in either substantial over- or under-estimations of toxicity. Simulation of realistic assay conditions revealed that interference could not be predicted solely by interactions between nanoparticles and assay components. Moreover, the nature and degree of interference cannot be predicted solely based on our current understanding of nanomaterial behaviour. A literature survey indicated that ca. 95% of papers from 2010 using biochemical techniques to assess nanotoxicity did not account for potential interference of nanoparticles, and this number had not substantially improved in 2012. We provide guidance on avoiding and/or controlling for such interference to improve the accuracy of nanotoxicity assessments.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 source (Gemma direct ou Codex distillé), 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 ».