MétaCan
Menu
Retour à la cohorte
Enregistrement W2324353915 · doi:10.6000/1927-5129.2012.08.01.17

Effect of Chromium, Cadmium and Arsenic on Growth and Morphology of HeLa Cells

2012· article· en· W2324353915 sur OpenAlexvenueno aff
Aftab Ahmad, Bushra Muneer, Abdul Rauf Shakoori

Notice bibliographique

RevueJournal of Basic & Applied Sciences · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueChromium effects and bioremediation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChromiumCadmiumHeLaMetallothioneinChemistryArsenicCell growthCellMolecular biologyBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Rapid industrialization and anthropogenic activities are main causes of environmental pollution and level of heavy metals is on the increase in biosphere. These heavy metals have deleterious effects on human health and cause many abnormalities. In the present study, we investigated the effects of arsenic, chromium and cadmium on the growth and morphology of HeLa cell. The total protein profile of control as well as treated cells was checked by SDS-PAGE. Chromium was used to induce the expression of metallothionein protein and expression of protein was detected by SDSPAGE. There was reduction in proliferation of cells in chromium, cadmium and arsenic containing medium. Cell necrosis was observed with the increase in the concentration of chromium and at 0.10 µg/mL concentration of chromium complete cell lysis was observed. There was change in morphology of cells with increase in concentration of cadmium and at 1.0 µg/ml cells became round. Arsenic also proved to be deleterious for the growth of HeLa cells and there was change in morphology of cells at 1.0 µg/ml but it was not as toxic as chromium and cadmium. There was no difference in protein profile of control and chromium treated cells except lower in concentration of protein due to less number of cells. Metallothionein were not observed in treated cells by SDS-PAGE. Heavy metal have very deleterious effects on human cells and with increase in metal concentration there was change in morphology of cells and also great reduction in proliferation

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,057
Score d'incertitude au seuil0,273

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,005
Tête enseignante GPT0,223
Écart entre enseignants0,217 · 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 tête enseignante, 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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Basic & Applied SciencesMême sujetChromium effects and bioremediationTravaux en français237 207