MétaCan
Menu
Retour à la cohorte
Enregistrement W2510713634 · doi:10.1186/s12989-016-0161-5

Genetic toxicity assessment of engineered nanoparticles using a 3D in vitro skin model (EpiDerm™)

2015· article· en· W2510713634 sur OpenAlexaff
John W. Wills, Nicole Hondow, Adam D. Thomas, Katherine E. Chapman, David Fish, Thierry G.G. Maffeïs, M. W. Penny, Richard A. Brown, Gareth Jenkins, Andy Brown, Paul A. White, Shareen H. Doak

Notice bibliographique

RevueParticle and Fibre Toxicology · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesEngineering and Physical Sciences Research CouncilNational Centre for the Replacement, Refinement and Reduction of Animals in Research
Mots-clésGenotoxicityNanotoxicologyViability assayMicronucleus testNanomaterialsPenetration (warfare)In vivoIn vitroBiophysicsMicronucleusMaterials scienceNanoparticleDNA damageIn vitro toxicologyNanotechnologyComet assayToxicityChemistryDNABiologyBiochemistryBiotechnology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The rapid production and incorporation of engineered nanomaterials into consumer products alongside research suggesting nanomaterials can cause cell death and DNA damage (genotoxicity) makes in vitro assays desirable for nanosafety screening. However, conflicting outcomes are often observed when in vitro and in vivo study results are compared, suggesting more physiologically representative in vitro models are required to minimise reliance on animal testing. METHOD: BASF Levasil® silica nanoparticles (16 and 85 nm) were used to adapt the 3D reconstructed skin micronucleus (RSMN) assay for nanomaterials administered topically or into the growth medium. 3D dose-responses were compared to a 2D micronucleus assay using monocultured human B cells (TK6) after standardising dose between 2D / 3D assays by total nanoparticle mass to cell number. Cryogenic vitrification, scanning electron microscopy and dynamic light scattering techniques were applied to characterise in-medium and air-liquid interface exposures. Advanced transmission electron microscopy imaging modes (high angle annular dark field) and X-ray spectrometry were used to define nanoparticle penetration / cellular uptake in the intact 3D models and 2D monocultured cells. RESULTS: For all 2D exposures, significant (p < 0.002) increases in genotoxicity were observed (≥100 μg/mL) alongside cell viability decreases (p < 0.015) at doses ≥200 μg/mL (16 nm-SiO2) and ≥100 μg/mL (85 nm-SiO2). In contrast, 2D-equivalent exposures to the 3D models (≤300 μg/mL) caused no significant DNA damage or impact on cell viability. Further increasing dose to the 3D models led to probable air-liquid interface suffocation. Nanoparticle penetration / cell uptake analysis revealed no exposure to the live cells of the 3D model occurred due to the protective nature of the skin model's 3D cellular microarchitecture (topical exposures) and confounding barrier effects of the collagen cell attachment layer (in-medium exposures). 2D monocultured cells meanwhile showed extensive internalisation of both silica particles causing (geno)toxicity. CONCLUSIONS: The results establish the importance of tissue microarchitecture in defining nanomaterial exposure, and suggest 3D in vitro models could play a role in bridging the gap between in vitro and in vivo outcomes in nanotoxicology. Robust exposure characterisation and uptake assessment methods (as demonstrated) are essential to interpret nano(geno)toxicity studies successfully.

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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,050
Tête enseignante GPT0,307
Écart entre enseignants0,256 · 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

Citations71
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueParticle and Fibre ToxicologyMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207