MétaCan
Menu
Retour à la cohorte
Enregistrement W4386986858 · doi:10.1016/j.mex.2023.102395

Determining superoxide dismutase content and catalase activity in mammalian cell lines

2023· article· en· W4386986858 sur OpenAlexaff
Ilzé Engelbrecht, Suranie Horn, John P. Giesy, Rialet Pieters

Notice bibliographique

RevueMethodsX · 2023
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal testing and alternatives
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesWater Research CommissionDepartment of Science and Technology, Ministry of Science and Technology, IndiaNational Research Foundation
Mots-clésSuperoxide dismutaseCatalaseCuvetteAbsorbanceEnzymeChemistryCell cultureBiochemistryFood scienceMolecular biologyChromatographyBiology

Résumé

récupéré en direct d'OpenAlex

Traditional methods for determining superoxide dismutase (SOD) content and catalase (CAT) activity rely on measuring the absorbance of individual tissue (biological) samples using a cuvette and spectrophotometer, rather than cell cultures. Although there are kits available for SOD and CAT assays, these allow for high-throughput analysis of samples and might be too expensive for research laboratories in countries from the Global South, such as South Africa. This paper describes a simple and cost-effective method to determine SOD content and CAT activity in mammalian cell cultures following exposure to environmental chemical mixtures by measuring absorbance in 96-well microplates. Moreover, the equipment used for this method is considered standard for cell culture laboratories, while the reagents and consumables are easily obtainable. •Antioxidant enzyme levels can be measured in vitro in cell cultures. •The supernatant obtained can be used to determine protein concentration, SOD content, and CAT activity. •This method is simple and affordable, allowing for the analysis of multiple samples (up to 32 samples per microplate).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,427
Tête enseignante GPT0,461
Écart entre enseignants0,034 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethodsXMême sujetAnimal testing and alternativesTravaux en français237 207