MétaCan
Menu
Retour à la cohorte
Enregistrement W2034455790 · doi:10.1021/tx800176g

Chemical Forms of Mercury and Selenium in Fish Following Digestion with Simulated Gastric Fluid

2008· article· en· W2034455790 sur OpenAlexaff
Graham N. George, Satya Pal Singh, Roger C. Prince, Ingrid J. Pickering

Notice bibliographique

RevueChemical Research in Toxicology · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensExxonMobil (Canada)University of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésSeleniumMethylmercuryMercury (programming language)ChemistryEnvironmental chemistryFish <Actinopterygii>CysteineDigestion (alchemy)Gastric fluidChromatographyBiochemistryOrganic chemistryFisheryBiology

Résumé

récupéré en direct d'OpenAlex

Fish is a major dietary source of potentially neurotoxic methylmercury compounds for humans. It is also a rich source of essential selenium. We have used in situ mercury L(III)-edge and selenium K-edge X-ray absorption spectroscopy to chemically characterize the methylmercury and selenium in both fresh fish and fish digested with simulated gastric fluid. For the mercury, we confirm our earlier finding [ Harris et al. ( 2003 ) Science 301 , 1203 ] that the methylmercury is coordinated by a single thiolate donor, which resembles cysteine, and for the selenium, we find a mixture of organic forms that resemble selenomethionine and an aliphatic selenenyl sulfide such as Cys-S-Se-Cys. We find that local chemical environments of mercury and selenium do not change upon digestion of the fish with simulated gastric fluid. We discuss the toxicological implications for humans consuming fish.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,316

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,340
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemical Research in ToxicologyMême sujetMercury impact and mitigation studiesTravaux en français237 207