MétaCan
Menu
Retour à la cohorte
Enregistrement W2315354643 · doi:10.1021/es304226h

Selenomethionine Protects against Neuronal Degeneration by Methylmercury in the Developing Rat Cerebrum

2013· article· en· W2315354643 sur OpenAlexaff
Mineshi Sakamoto, Akira Yasutake, Akiyoshi Kakita, Masae Ryufuku, Hing Man Chan, Megumi Yamamoto, Sanae Oumi, Sayaka Kobayashi, Chiho Watanabe

Notice bibliographique

RevueEnvironmental Science & Technology · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMethylmercurySeleniumCerebrumNeurotoxicityToxicityChemistryCerebral cortexPharmacologyEndocrinologyInternal medicineCentral nervous systemBiologyMedicine

Résumé

récupéré en direct d'OpenAlex

Although many experimental studies have shown that selenium protects against methylmercury (MeHg) toxicity at different end points, the direct interactive effects of selenium and MeHg on neurons in the brain remain unknown. Our goal is to confirm the protective effects of selenium against neuronal degeneration induced by MeHg in the developing postnatal rat brain using a postnatal rat model that is suitable for extrapolating the effects of MeHg to the fetal brain of humans. As an exposure source of selenium, we used selenomethionine (SeMet), a food-originated selenium. Wistar rats of postnatal days 14 were orally administered with vehicle (control), MeHg (8 mg Hg/kg/day), SeMet (2 mg Se/kg/day), or MeHg plus SeMet coexposure for 10 consecutive days. Neuronal degeneration and reactive astrocytosis were observed in the cerebral cortex of the MeHg-group but the symptoms were prevented by coexposure to SeMet. These findings serve as a proof that dietary selenium can directly protect neurons against MeHg toxicity in the mammalian brain, especially in the developing cerebrum.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,228
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations73
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMercury impact and mitigation studiesTravaux en français237 207