Hazard Profiling of Commercially Relevant Quantum Dot Components Revealed Synergistic Interactions between Heavy Metals and Polymers
Notice bibliographique
Résumé
Commercially used quantum dots (QDs) exemplify complex nanomaterials with multiple components, though little is known about the type of interactions between these components in determining the overall toxicity of this material. We synthesized and characterized a functional QD (CdSe/ZnS_P&E) that was identical in structure and composition to a patented and commercially applied QD and the combinations of its components (CdSe, CdSe/ZnS, ZnS, CdSe_P&E, ZnS_P&E, and P&E). Cells exposed to incremental concentrations of these materials were investigated for cell viability and cellular perturbations, contributing to a final common pathway of cell death using high-content screening assays in model human intestinal epithelial cells (HIEC-6). The concentrations that resulted in a loss of 20% cell viability (EC20 values) for each tested component were used for estimating the combination index (CI) to evaluate synergistic or antagonistic effects between the components. Complete QD (core/shell-polymer) showed the highest toxic potential due to synergistic interactions between core and surface functional groups. The cationic polymer coating enhanced cellular uptake of the QD, ensuing lysosome acidification and release of heavy metal ions to the intracellular milieu, and caused oxidative stress and cytotoxicity. Overall, this study advances our understanding of the collective contribution of individual components of a functional QD toward its toxic potential and emphasizes the need to study multilayered nanomaterials in their entirety for hazard characterization.
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 | 0,003 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».