Disclosing Environmental Ligands of L-FABP and PPARγ: Should We Re-evaluate the Chemical Safety of Hydrocarbon Surfactants?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Chemical contaminants can cause adverse effects by binding to the liver-fatty acid binding protein (L-FABP) and peroxisome proliferator-activated nuclear receptor γ (PPARγ), which are vital in lipid metabolism. However, the presence of numerous compounds in the environment has hindered the identification of their ligands, and thus only a small portion have been discovered to date. In this study, protein A ffinity P urification with N ontargeted A nalysis (APNA) was employed to identify the ligands of L-FABP and PPARγ in indoor dust and sewage sludge. A total of 83 nonredundant features were pulled-out by His-tagged L-FABP as putative ligands, among which 13 were assigned as fatty acids and hydrocarbon surfactants. In contrast, only six features were isolated when His-tagged PPARγ LBD was used as the protein bait. The binding of hydrocarbon surfactants to L-FABP and 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 L-FABP (57.7 ± 32.9%) and PPARγ (66.0 ± 27.1%) activities in the sludge. This study revealed hydrocarbon surfactants as the predominant synthetic ligands of L-FABP and PPARγ, highlighting the importance of re-evaluating their chemical safety.
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.
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 | 0,001 | 0,000 |
| 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 | 0,010 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle