Speciation in Metal Toxicity and Metal-Based Therapeutics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Metallic elements, ions and compounds produce varying degrees of toxicity in organisms with which they come into contact. Metal speciation is critical to understanding these adverse effects; the adjectives “heavy” and “toxic” are not helpful in describing the biological properties of individual elements, but detailed chemical structures are. As a broad generalization, the metallic form of an element is inert, and the ionic salts are the species that show more significant bioavailability. Yet the salts and other chelates of a metal ion can give rise to quite different toxicities, as exemplified by a range of carcinogenic potential for various nickel species. Another important distinction comes when a metallic element is organified, increasing its lipophilicity and hence its ability to penetrate the blood brain barrier, as is seen, for example, with organic mercury and tin species. Some metallic elements, such as gold and platinum, are themselves useful therapeutic agents in some forms, while other species of the same element can be toxic, thus focusing attention on species interconversions in evaluating metal-based drugs. The therapeutic use of metal-chelating agents introduces new species of the target metal in vivo, and this can affect not only its desired detoxification, but also introduce a potential for further mechanisms of toxicity. Examples of therapeutic iron chelator species are discussed in this context, as well as the more recent aspects of development of chelation therapy for uranium exposure.
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.
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 | 0,001 |
| 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 | 0,000 |
| 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 découle