MétaCan
Menu
Retour à la cohorte
Enregistrement W3201233127 · doi:10.17179/excli2021-3890

Arsenic: Various species with different effects on cytochrome P450 regulation in humans

2021· review· en· W3201233127 sur OpenAlexaff
Mahmoud A. El‐Ghiaty, Ayman O.S. El‐Kadi

Notice bibliographique

RevuePubMed · 2021
Typereview
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésArsenicArsenic toxicityXenobioticCytochrome P450ArsenateChemistryArseniteComputational biologyEnvironmental chemistryBiologyBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

) molecules, a multitude of more complex organic species are biologically produced through a process of metabolic transformation with biomethylation being the core of this process. Because of their differential toxicity, speciation of arsenic-based compounds is necessary for assessing health risks posed by exposure to individual species or co-exposure to several species. In this regard, exposure assessment is another pivotal factor that includes identification of the potential sources as well as routes of exposure. Identification of arsenic impact on different physiological organ systems, through understanding its behavior in the human body that leads to homeostatic derangements, is the key for developing strategies to mitigate its toxicity. Metabolic machinery is one of the sophisticated body systems targeted by arsenic. The prominent role of cytochrome P450 enzymes (CYPs) in the metabolism of both endobiotics and xenobiotics necessitates paying a great deal of attention to the possible effects of arsenic compounds on this superfamily of enzymes. Here we highlight the toxicologically relevant arsenic species with a detailed description of the different environmental sources as well as the possible routes of human exposure to these species. We also summarize the reported findings of experimental investigations evaluating the influence of various arsenicals on different members of CYP superfamily using human-based models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,165
Tête enseignante GPT0,409
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetPharmacogenetics and Drug MetabolismTravaux en français237 207