Potential Role of Soluble Metal Impurities in the Acute Lung Inflammogenicity of Multi-Walled Carbon Nanotubes
Notice bibliographique
Résumé
Multi-walled carbon nanotubes (MWCNTs) have variable metal impurities, but little is known about the impact of soluble metal impurities on the toxicity of MWCNTs. Here, we evaluated the role of soluble metal impurities to the acute inflammogenic potential of MWCNTs, using five types of high purity MWCNTs (>95%). MWCNTs and their soluble fractions collected at 24 h after incubation in phosphate-buffered saline showed diverse metal impurities with variable concentrations. The fiber-free soluble fractions produced variable levels of reactive oxygen species (ROS), and the iron level was the key determinant for ROS production. The acute inflammation at 24 h after intratracheal instillation of MWCNTs to rats at 0.19, 0.63, and 1.91 mg MWCNT/kg body weight (bw) or fiber-free supernatants from MWCNT suspensions at 1.91 and 7.64 mg MWCNT/kg bw showed that the number of granulocytes, a marker for acute inflammation, was significantly increased with a good dose-dependency. The correlation study showed that neither the levels of iron nor the ROS generation potential of the soluble fractions showed any correlations with the inflammogenic potential. However, the total concentration of transition metals in the soluble fractions showed a good correlation with the acute lung inflammogenic potential. These results implied that metal impurities, especially transitional metals, can contribute to the acute inflammogenic potential of MWCNTs, although the major parameter for the toxicity of MWCNTs is size and shape.
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 | 0,001 | 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 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 ».