Effects of Mixtures of Polychlorinated Biphenyls, Methylmercury, and Organochlorine Pesticides on Hepatic DNA Methylation in Prepubertal Female Sprague-Dawley Rats
Notice bibliographique
Résumé
DNA methylation is one of the epigenetic mechanisms that regulates gene expression, chromosome structure, and stability. Our objective was to determine whether the DNA methylation system could be a target following in utero and postnatal exposure to human blood contaminants. Pregnant rats were dosed daily from gestation day 1 until postnatal day 21 with 2 dose levels of either organochlorine pesticides (OCP; 0.019 or 1.9 mg/kg/day), methylmercury chloride (MeHg; 0.02 or 2 mg/kg/day), polychlorinated biphenyls (PCBs; 0.011 or 1.1 mg/kg/day), or a mixture (Mix; 0.05, or 5 mg/kg/day) including all 3 groups of chemicals. Livers from 1 female offspring per litter were collected at postnatal day 29. Hepatic analysis revealed that the mRNA abundance for DNA methyltransferase (DNMT)-1, -3a, and -3b were significantly reduced by the high dose of PCB, that the high dose of MeHg also reduced mRNA levels for DNMT-1, and -3b, but that OCP had no significant effects compared with control. The high dose of PCB and Mix reduced the abundance of the universal methyl donor S-adenosylmethionine, and Mix also reduced global genome DNA methylation (5-methyl-deoxycytidine/5-methyl-deoxycytidine + deoxycytidine). The latter is consistent with pyrosequencing methylation analysis, revealing that the high-dose groups (except OCP) generally decreased the methylation of CpG sites (position -63 to -29) in the promoter of the tumor suppressor gene p16(INK4a). Overall, these hepatic results suggest that the DNA methylation system can be affected by exposure to high doses of blood contaminants, and that OCP is the least potent chemical group from the investigated mixtures.
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 | 0,001 |
| 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 ».