Biological Chemistry of Toxic Metals and Metalloids, Such as Arsenic, Cadmium, and Mercury
Notice bibliographique
Résumé
Abstract Pollution is the largest environmental cause of disease and premature death in the world which causes an estimated nine million annual premature deaths. Owing to the exceptional longevity of highly toxic arsenic, cadmium, and mercury species in the environment, the Agency for Toxic Substances and Disease Registry (ASTDR) has ranked them within the top 7 chemicals of concern in terms of their frequency, toxicity, and potential for human exposure at national priority sites. Accordingly, the chronic exposure of human populations – including children – to these pollutants via the diet, drinking water and air is of increasing public health concern as it may be causally linked to human diseases, which have no known etiology. To unravel potential toxic metal exposure‐disease relationships, the elucidation of their bioinorganic chemistry in the bloodstream is critical as these processes determine which and how much of an absorbed toxic metal species and/or its metabolites will reach toxicological target organs. Considering the analytical complexity of this biological fluid, appropriate analytical techniques must be employed. We highlight advanced instrumental analytical approaches that can be used and provide examples of how their application has revealed new insight into the mechanisms of chronic toxicity of arsenic, cadmium and mercury species in mammals. A comprehensive understanding of the bioinorganic chemistry of individual toxic metal species is urgently needed to reassess current environmental regulations to reduce the global disease burden.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 ».