Biomarker Measurements in a Coastal Fish-Eating Population Environmentally Exposed to Organochlorines
Notice bibliographique
Résumé
The Lower North Shore region of the St. Lawrence River is home to a fish-eating population that displays an unusually high body burden of several organochlorines, including polychlorinated biphenyls (PCBs) and dioxin-like compounds (DLCs). We measured biomarkers indicative of liver enzyme induction and investigated the relationship with organochlorine body burden in adult volunteers from this population. We determined plasma concentrations of PCBs and chlorinated pesticides by high-resolution gas chromatography (HRGC) with electron capture detection. DLC concentrations were measured by the dioxin-receptor chemically activated luciferase expression (DR-CALUX) assay and in a subset of participants, by HRGC/high-resolution mass spectrometry. We measured cotinine, d-glucaric acid, and porphyrins in morning urine samples and determined liver CYP1A2 activity in vivo using the caffeine breath test. Neither DLC concentrations as measured by the DR-CALUX nor PCB-153 concentrations, the latter representing total PCB exposure, were correlated with biomarkers of effects. Smoking (morning urinary cotinine concentration) was positively related to CYP1A2 activity as measured by the caffeine breath test (p < 0.01). Liver CYP1A2 activity was in turn negatively correlated with PCB-105:PCB-153 and PCB-118:PCB-153 congener ratios (p < 0.05). Hence, despite the relatively high body burden of PCBs and DLCs in this population, only smoking had a significant correlation with biomarkers of hepatic enzyme induction. Our data are consistent with smoking-induced liver CYP1A2 activity altering heme metabolism and increasing the biotransformation of mono-ortho PCB congeners.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,007 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».