Health Effects Associated With Pre- and Perinatal Exposure to Arsenic
Notice bibliographique
Résumé
Inorganic arsenic is a well-established human carcinogen, able to induce genetic and epigenetic alterations. More than 200 million people worldwide are exposed to arsenic concentrations in drinking water exceeding the recommended WHO threshold (10μg/l). Additionally, chronic exposure to levels below this threshold is known to result in long-term health effects in humans. The arsenic-related health effects in humans are associated with its biotransformation process, whereby the resulting metabolites can induce molecular damage that accumulates over time. The effects derived from these alterations include genomic instability associated with oxidative damage, alteration of gene expression (including coding and non-coding RNAs), global and localized epigenetic reprogramming, and histone posttranslational modifications. These alterations directly affect molecular pathways involved in the onset and progression of many conditions that can arise even decades after the exposure occurs. Importantly, arsenic metabolites generated during its biotransformation can also pass through the placental barrier, resulting in fetal exposure to this carcinogen at similar levels to those of the mother. As such, more immediate effects of the arsenic-induced molecular damage can be observed as detrimental effects on fetal development, pregnancy, and birth outcomes. In this review, we focus on the genetic and epigenetic damage associated with exposure to low levels of arsenic, particularly those affecting early developmental stages. We also present how these alterations occurring during early life can impact the development of certain diseases in adult life.
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) | 0,001 | 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 ».