Carcinogenic metals and the epigenome: understanding the effect of nickel, arsenic, and chromium
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
Carcinogenic metals, such as nickel, arsenic, and chromium, are widespread environmental and occupational pollutants. Chronic exposure to these metals has been connected with increased risks of numerous cancers and as well as non-carcinogenic health outcomes, including cardiovascular disease, neurologic deficits, neuro-developmental deficits in childhood, and hypertension. However, currently the specific molecular targets for metal toxicity and carcinogenicity are not fully understood. Here, we propose that the iron- and 2-oxoglutarate-dependent dioxygenase family enzymes, as well as, other histone modifying enzymes are important intracellular targets that mediate the toxicity and carcinogenicity of nickel, and maybe potential targets in chromium and arsenic induced carcinogenesis. Our data demonstrate that all three metals are capable of inducing post-translational histone modifications and affecting the enzymes that modulate them (i.e. the iron- and 2-oxoglutarate-dependent dioxygenase family, including HIF-prolyl hydroxylase PHD2, histone demethylase JHDM2A/JMJD1A, and DNA repair enzymes ABH3 and ABH2, and histone methyltransferases, G9a). Given the effects that these metals can exert on the epigenome, future studies of their involvement in histone modifying enzymes dynamics would deepen our understanding on their respective toxicities and carcinogenicities.
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 | 0,002 | 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 | 0,000 |
| 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 | 0,000 |
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