Effects of Multiwall Carbon Nanotubes on Premature Kidney Aging: Biochemical and Histological Analysis
Notice bibliographique
Résumé
Carbon nanotubes (CNTs) have gained much attention due to their superb properties, which make them promising options for the reinforcing composite materials with desirable mechanical properties. However, little is known about the linkage between lung exposure to nanomaterials and kidney disease. In this study, we compared the effects on the kidneys and aging for two different types of multiwall carbon nanotubes (MWCNTs): pristine MWCNTs (PMWCNTs) and acid-treated MWCNTs (TMWCNTs), with TMWCNTs being the preferred form for use as a composite material due to its superior dispersion properties. We used tracheal instillation and maximum tolerated dose (MTD) for both types of CNTs. MTD was determined as a 10% weight loss dose in a 3-month subchronic study, and the appropriate dosage for 1-year exposure was 0.1 mg/mouse. Serum and kidney samples were analyzed using ELISA, Western blot, and immunohistochemistry after 6 months and 1 year of treatment. PMWCNT-administered mice showed the activation of pathways for inflammation, apoptosis, and insufficient autophagy, as well as decreased serum Klotho levels and increased serum levels of DKK-1, FGF-23, and sclerostin, while TMWCNTs did not. Our study suggests that lung exposure to PMWCNTs can induce premature kidney aging and highlights a possible toxic effect of using MWCNTs on the kidneys in the industrial field, further highlighting that dispersibility can affect the toxicity of the nanotubes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».