Effects of exposure pathways on the accumulation and phytotoxicity of silver nanoparticles in soybean and rice
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
The widespread use of silver nanoparticles (AgNPs) raises concerns both about their accumulation in crops and human exposure via crop consumption. Plants take up AgNPs through their leaves and roots, but foliar uptake has been largely ignored. To better understand AgNPs–plant interactions, we compared the uptake, phytotoxicity and size distribution of AgNPs in soybean and rice following root versus foliar exposure. At similar AgNP application levels, foliar exposure led to 17–200 times more Ag bioaccumulation than root exposure. Root but not foliar exposure significantly reduced plant biomass, while root exposure increased the malondialdehyde and H2O2 contents of leaves to a larger extent than did foliar exposure. Following either root or foliar exposure, Ag-containing NPs larger (36.0–48.9 nm) than the originally dosed NPs (17–18 nm) were detected within leaves. These particles were detected using a newly developed macerozyme R-10 tissue extraction method followed by single-particle inductively coupled plasma mass spectrometry. In response to foliar exposure, these NPs were stored in the cell wall and plamalemma of leaves. NPs were also detected in planta following Ag ion exposure, indicating their in vivo formation. Leaf-to-leaf and root-to-leaf translocation of NPs in planta was observed but the former did not alter the size distribution of the NPs. Our observations point to the possibility that fruits, seeds and other edible parts may become contaminated by translocation processes in plants exposed to AgNPs. These results are an important contribution to improve the risk assessment of NPs under environmental exposure scenarios.
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 | 0,000 |
| 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 découle