In-Vitro Cell Culture for Efficient Assessment of Mycotoxin Exposure, Toxicity and Risk Mitigation
Notice bibliographique
Résumé
Mycotoxins are toxic secondary fungal metabolites that commonly contaminate crops and food by-products and thus, animal feed. Ingestion of mycotoxins can lead to mycotoxicosis in both animals and humans, and at subclinical concentrations may affect animal production and adulterate feed and animal by-products. Mycotoxicity mechanisms of action (MOA) are largely unknown, and co-contamination, which is often the case, raises the likelihood of mycotoxin interactions. Mitigation strategies for reducing the risk of mycotoxicity are diverse and may not necessarily provide protection against all mycotoxins. These factors, as well as the species-specific risk of toxicity, collectively make an assessment of exposure, toxicity, and risk mitigation very challenging and costly; thus, in-vitro cell culture models provide a useful tool for their initial assessment. Since ingestion is the most common route of mycotoxin exposure, the intestinal epithelial barrier comprised of epithelial cells (IECs) and immune cells such as macrophages, represents ground zero where mycotoxins are absorbed, biotransformed, and elicit toxicity. This article aims to review different in-vitro IEC or co-culture models that can be used for assessing mycotoxin exposure, toxicity, and risk mitigation, and their suitability and limitations for the safety assessment of animal foods and food by-products.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».