Xenobiotic Effects on Ovarian Preantral Follicles1
Notice bibliographique
Résumé
Women are born with a finite population of ovarian follicles, which are slowly depleted during their reproductive years until reproductive failure (menopause) occurs. The rate of loss of primordial follicles is determined by genetic and environmental influences, but certain toxic exposures can accelerate this process. Ionizing radiation reduces preantral follicle numbers in rodents and humans in a dose-dependent manner. Cigarette smoking is linked to menopause occurring 1-4 yr earlier than with nonsmokers, and components of smoke, polycyclic aromatic hydrocarbons, can cause follicle depletion in rodents or in ovaries in vitro. Chemotherapeutic agents, such as alkylating drugs and cisplatin, also cause loss of preantral ovarian follicles. Effects depend on dose, type, and reactivity of the drug, and the age of the individual. Evidence suggests DNA damage may underlie follicle loss induced by one common alkylating drug, cyclophosphamide. Occupational exposures have also been linked to ovarian damage. In an industrial setting, 2-bromopropane caused infertility in men and women, and it can induce ovarian follicle depletion in rats. Solvents, such as butadiene, 4-vinylcyclohexene, and their diepoxides, can also cause specific preantral follicle depletion. The mechanism(s) underlying effects of the latter compound may involve alterations in apoptosis, survival factors such as KIT/Kit Ligand, and/or the cellular signaling that maintains primordial follicle dormancy. Estrogenic endocrine disruptors may alter follicle formation/development and impair fertility or normal development of offspring. Thus, specific exposures are known or suspected of detrimentally impacting preantral ovarian follicles, leading to early ovarian failure.
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) | 0,001 | 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 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 ».