Sublethal Effects of Silver Nanoparticles and Dissolved Silver in Freshwater Mussels
Notice bibliographique
Résumé
The increasing application of silver nanoparticles (nAg) in various consumer products has raised concerns regarding toxicological impacts in the environment. It is unclear at present whether the toxicity of nAg is mainly the result of the release of ionic Ag(+) in mussels. The freshwater mussel Elliptio complanata was exposed to increasing concentrations of 20-nm nAg, 80-nm nAg, and dissolved Ag(+) for 48 h at 15°C. The following biomarkers were used to determine the mode of action of nAg-induced adverse effects: metallothioneins (MT) (ionic Ag(+) release), lipid peroxidation (LPO) (ionic Ag(+) and nanosurface interactions), heat-shock proteins (HSP) (size-related effects), protein-ubiquitin levels (size-related effects), and DNA strand breaks (ionic Ag(+) and size effects). Results revealed that the response pattern of 80 nm nAg was more closely related to ionic Ag(+) than 20 nm nAg, suggesting a more important release of dissolved Ag from 80 nm nAg. Data showed that all forms of Ag were able to increase the levels of MT and LPO, which suggests the presence of ionic Ag(+) leads to oxidative stress. However, nanoparticles were also able to induce changes in protein-ubiquitin and to a lesser extent actinomyosin-ATPase, MT, and DNA strand breaks in the digestive gland in a manner different from Ag(+), which permitted discrimination of the forms of Ag. Moreover, LPO was closely associated with DNA strand breaks in the digestive gland and was not entirely explained by induction of MT, suggesting another type of toxic interaction. It was concluded that the presence of nAg not only increases the toxic loadings of released Ag ions but also generates other and perhaps cumulative effects of nanoparticle-induced toxicity related to size and surface properties.
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 | 0,000 |
| 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 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 ».