Reactive Oxygen Species Formed by Metal and Metal Oxide Nanoparticles in Physiological Media—A Review of Reactions of Importance to Nanotoxicity and Proposal for Categorization
Notice bibliographique
Résumé
Diffusely dispersed metal and metal oxide nanoparticles (NPs) can adversely affect living organisms through various mechanisms and exposure routes. One mechanism behind their toxic potency is their ability to generate reactive oxygen species (ROS) directly or indirectly to an extent that depends on the dose, metal speciation, and exposure route. This review provides an overview of the mechanisms of ROS formation associated with metal and metal oxide NPs and proposes a possible way forward for their future categorization. Metal and metal oxide NPs can form ROS via processes related to corrosion, photochemistry, and surface defects, as well as via Fenton, Fenton-like, and Haber–Weiss reactions. Regular ligands such as biomolecules can interact with metallic NP surfaces and influence their properties and thus their capabilities of generating ROS by changing characteristics such as surface charge, surface composition, dissolution behavior, and colloidal stability. Interactions between metallic NPs and cells and their organelles can indirectly induce ROS formation via different biological responses. H2O2 can also be generated by a cell due to inflammation, induced by interactions with metallic NPs or released metal species that can initiate Fenton(-like) and Haber–Weiss reactions forming various radicals. This review discusses these different pathways and, in addition, nano-specific aspects such as shifts in the band gaps of metal oxides and how these shifts at biologically relevant energies (similar to activation energies of biological reactions) can be linked to ROS production and indicate which radical species forms. The influences of kinetic aspects, interactions with biomolecules, solution chemistry (e.g., Cl− and pH), and NP characteristics (e.g., size and surface defects) on ROS mechanisms and formation are discussed. Categorization via four tiers is suggested as a way forward to group metal and metal oxide NPs based on the ROS reaction pathways that they may undergo, an approach that does not include kinetics or environmental variations. The criteria for the four tiers are based on the ability of the metallic NPs to induce Fenton(-like) and Haber–Weiss reactions, corrode, and interact with biomolecules and their surface catalytic properties. The importance of considering kinetic data to improve the proposed categorization is highlighted.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».