The sorptive capacity of animal protein
Notice bibliographique
Résumé
Partition coefficients that are used to predict concentrations of hydrophobic organic chemicals in biota (e.g., the bioconcentration factor) often assume that the sorptive capacity of an organism or tissue is adequately represented by its lipid content. In lean organisms and tissues, however, theory suggests that partitioning may be strongly influenced by the sorptive capacity of nonlipid materials, such as protein. Little is known about the sorptive capacity of proteins for hydrophobic organic chemicals, and methods to include proteins in bioaccumulation models do not exist. Here, we present a compilation and meta-analysis of published data to estimate the relative sorptive capacities of animal proteins and lipids for neutral organic chemicals. We found that the estimated sorptive capacity of protein in solid animal tissues ranged from around 1 to 10% that of lipid for compounds with a log octanol/water partition coefficient (K(OW)) of greater than two. The sorptive capacity of blood protein (albumin) appeared to be substantially higher than this, especially for low-K(OW) chemicals. For modeling purposes, we recommend estimating the sorptive capacity of animal protein as 5% that of lipid. According to this estimate, the sorptive capacity of an animal or tissue will be dominated by the contribution from protein if the lipid content makes up less than 5% of the dry-weight organic content. In such situations, a consideration of the sorptive capacity of nonlipid constituents, such as protein, will permit more accurate predictions of chemical accumulation and distribution.
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 | 0,000 | 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 | 0,001 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».