A matrix‐assisted laser desorption ionization–time‐of‐flight–time‐of‐flight–mass spectrometry‐based toxicoproteomic screening method to assess in vitro particle potencies
Notice bibliographique
Résumé
Abstract Knowledge of biological reactivity and underlying toxicity mechanisms of airborne particulate matter (PM) is central to the characterization of the risk associated with these pollutants. An integrated screening platform consisting of protein profiling of cellular responses and cytotoxic analysis was developed in this study for the estimation of PM potencies. Mouse macrophage (J774A.1) and human lung epithelial cells (A549) were exposed in vitro to Ottawa urban particles (EHC6802) and two reference mineral particles (TiO 2 and SiO 2 ). Samples from the in vitro exposure experiment were tested following an integrated classical cytotoxicity/toxicoproteomic assessment approach for cellular viability (CellTiter Blue®, lactate dehydrogenase) and proteomic analyses. Cellular proteins were pre‐fractionated by molecular weight cut‐off filtration, digested enzymatically and were analyzed by matrix‐assisted laser desorption ionization–time‐of‐flight–time‐of‐flight–mass spectrometry for protein profiling and identification. Optimization of detergent removal, pre‐fractionation strategies and enzymatic digestion procedures led to increased tryptic peptide ( m / z ) signals with reduced sample processing times, for small total protein contents. Proteomic analyses using this optimized procedure identified statistically significant ( P < 0.05) PM dose‐dependent changes at the molecular level. Ranking of PM potencies based on toxicoproteomic analysis were in line with classical cytotoxicity potency‐based ranking. The high content toxicoproteomic approach exhibited the potential to add value to risk characterization of environmental PM exposures by complementing and validating existing cytotoxicity testing strategies.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».