Disclosing Environmental Ligands of hL-FABP and PPARγ: Should We Re-evaluate the Chemical Safety of Hydrocarbon Surfactants?
Notice bibliographique
Résumé
Environmental obesogens can cause adverse health effects through activation of peroxisome proliferator-activated nuclear receptor γ (PPARγ). However, only a small portion of PPARγ ligands in the environment have been discovered to date, due to the co-occurrence of thousands of compounds. In this study, protein Affinity Purification with Nontargeted Analysis (APNA) was employed to identify ligands of human liver fatty acid binding protein (hL-FABP) and PPARγ in indoor dust and sewage sludge. A total of 84 features were “pulled out” by His-tagged hL-FABP as putative ligands, among which 13 were assigned as fatty acids and hydrocarbon surfactants. The binding of hydrocarbon surfactants to hL-FABP/PPARγ was confirmed using both recombinant proteins and reporter cells. These hydrocarbon surfactants, along with >50 homologues and isomers, were detected in dust and sludge at high concentrations. Fatty acids and hydrocarbon surfactants explained the majority of hL-FABP (57.7 ± 32.9%) and PPARγ (66.0 ± 27.1%) activities in the sludge. Notably, hydrocarbon surfactants contributed to PPARγ activities at comparable or even higher levels than fatty acids, with alkylbenzene sulfonates being the predominant PPARγ ligands in sludge. This study revealed hydrocarbon surfactants as the predominant synthetic ligands of hL-FABP/PPARγ, highlighting the importance of re-evaluating their chemical safety as putative obesogens.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».