Major AhR-active chemicals in sediments of Lake Sihwa, South Korea: Application of effect-directed analysis combined with full-scan screening analysis
Notice bibliographique
Résumé
This study utilized effect-directed analysis (EDA) combined with full-scan screening analysis (FSA) to identify aryl hydrocarbon receptor (AhR)-active compounds in sediments of inland creeks flowing into Lake Sihwa, South Korea. The specific objectives were to (i) investigate the major AhR-active fractions of organic extracts of sediments by using H4IIE-luc in vitro bioassay (4 h and 72 h exposures), (ii) quantify known AhR agonists, such as polycyclic aromatic hydrocarbons (PAHs) and styrene oligomers (SOs), (iii) identify unknown AhR agonists by use of gas chromatography-quadrupole time-of-flight mass spectrometry (GC-QTOFMS), and (iv) determine contributions of AhR agonists to total potencies measured by use of the bioassay. FSA was conducted on fractions F2.6 and F2.7 (aromatics with log Kow 5–7) in extracts of sediment from Siheung Creek (industrial area). Those fractions exhibited significant AhR-mediated potency as well as relatively great concentrations of PAHs and SOs. FSA detected 461 and 449 compounds in F2.6 and F2.7, respectively. Of these, five tentative candidates of AhR agonist were selected based on NIST library matching, aromatic structures and numbers of rings, and available standards. Benz[b]anthracene, 11H-benzo[a]fluorene, and 4,5-methanochrysene exhibited significant AhR-mediated potency in the H4IIE-luc bioassay, and relative potencies of these compounds were determined. Potency balance analysis demonstrated that these three newly identified AhR agonists explained 1.1% to 67% of total induced AhR-mediated potencies of samples, which were particularly great for industrial sediments. Follow-up studies on sources and ecotoxicological effects of these compounds in coastal environments would be required.
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 | 0,000 |
| 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) | 0,009 | 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 ».