When are metal complexes bioavailable?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Environmental context The concentration of a free metal cation has proved to be a useful predictor of metal bioaccumulation and toxicity, as represented by the free ion activity and biotic ligand models. However, under certain circumstances, metal complexes have been shown to contribute to metal bioavailability. In the current mini-review, we summarise the studies where the classic models fail and organise them into categories based on the different uptake pathways and kinetic processes. Our goal is to define the limits within which currently used models such as the biotic ligand model (BLM) can be applied with confidence, and to identify how these models might be expanded. Abstract Numerous data from studies over the past 30 years have shown that metal uptake and toxicity are often best predicted by the concentrations of free metal cations, which has led to the development of the largely successful free-ion activity model (FIAM) and biotic ligand model (BLM). Nonetheless, some exceptions to these classical models, showing enhanced metal bioavailability in the presence of metal complexes, have also been documented, although it is not yet fully understood to what extent these exceptions can or should be generalised. Only a few studies have specifically measured the bioaccumulation or toxicity of metal complexes while carefully measuring or controlling metal speciation. Fewer still have verified the fundamental assumptions of the classical models, especially when dealing with metal complexes. In the current paper, we have summarised the exceptions to classical models and categorised them into five groups based on the fundamental uptake pathways and kinetic processes. Our aim is to summarise the mechanisms involved in the interaction of metal complexes with organisms and to improve the predictive capability of the classic models when dealing with complexes.
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.
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,203 | 0,012 |
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 découle