Quantification of Au Nanoparticle Biouptake and Distribution to Freshwater Algae Using Single Cell – ICP-MS
Notice bibliographique
Résumé
Quantifying metal and nanoparticle (NP) biouptake and distribution on an individual cellular basis has previously been impossible, given available techniques which provide qualitative data that are laborious to acquire and prone to artifacts. Quantifying metal and metal NP uptake and loss processes in environmental organisms will lead to mechanistic understanding of biouptake and improved understanding of potential hazards and risks of metals and NPs. In this work, we present a new technique, single cell inductively coupled plasma mass spectrometry (SC-ICP-MS), which allows quantification of metal concentrations on an individual cell basis down to the attogram (ag) per cell level. We present data validating the novel method, along with the mass of metal per cell. Finally, we use SC-ICP-MS, with ancillary cell counting methods, to quantify the biouptake and strong sorption and distribution of both dissolved Au and Au NPs in a freshwater alga (Cyptomonas ovate). The data suggests differences between dissolved and NP uptake and loss. In the case of NPs, there was a dose and time dependent uptake, but individual cellular variations; at the highest realistic exposure conditions used in this study up to 40-50% of cells contained NPs, while 50-60% of cells did not.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».