MétaCan
Menu
Retour à la cohorte
Enregistrement W2797215197 · doi:10.15761/ifnm.1000214

Synergism in aluminum and mercury neurotoxicity

2018· article· en· W2797215197 sur OpenAlexaff
Peter N. Alexandrov, Aileen I. Pogue, Walter J. Lukiw

Notice bibliographique

RevueIntegrative Food Nutrition and Metabolism · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAluminum toxicity and tolerance in plants and animals
Établissements canadiensAlchemy (Canada)
Organismes subventionnairesNational Eye InstituteNational Institute on Aging
Mots-clésNeurotoxicityToxicityMercury (programming language)NeurodegenerationSulfateChemistryCell biologyBiologyMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

] to human neuronal-glial (HNG) cells in primary co-culture using the evolution of the pro-inflammatory transcription factor NF-kB (p50/p65) complex as a critical indicator for the onset of inflammatory neurodegeneration and pathogenic inflammatory signaling. As indexed by significant induction of the NF-kB (p50/p65) complex the results indicate: (i) a notable increase in pro-inflammatory signaling imparted by each of these two environmental neurotoxins toward HNG cells in the ambient 20-200 nM range; and (ii) a significant synergism in the neurotoxicity when aluminum (sulfate) and mercury (sulfate) were added together. This is the first report on the neurotoxic effects of aluminum sulfate and/or mercury sulfate on the initiation of inflammatory signaling in human brain cells in primary culture. The effects aluminum+mercury together on other neurologically important signaling molecules or the effects of other combinations of common environmental metallic neurotoxins to human neurobiology currently remain not well understood but certainly warrant additional investigation and further study in laboratory animals, in human primary tissue cultures of CNS cells, and in other neurobiologically realistic experimental test systems.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,019
Tête enseignante GPT0,235
Écart entre enseignants0,216 · 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'étudeObservationnel
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

Citations48
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntegrative Food Nutrition and MetabolismMême sujetAluminum toxicity and tolerance in plants and animalsTravaux en français237 207