Bioactivity assessment of organophosphate flame retardants via a dose-dependent yeast functional genomics approach
Notice bibliographique
Résumé
Organophosphate flame retardants (OPFRs) have been widely detected in multiple environment media and have many adverse effects with complex toxicity mechanisms. However, the early molecular responses to OPFRs have not been fully elucidated, thereby making it difficult to assess their risks accurately. In this work, we systematically explored the point of departure (POD) of biological pathways at genome-wide level perturbed by 14 OPFRs with three substituents (alkyl, halogen, and aryl) using a dose-dependent functional genomics approach in Saccharomyces cerevisiae at 24 h exposure. Firstly, our results demonstrated that the overall biological potency at gene level (PODDRG20) ranged from 0.013 to 35.079 μM for 14 OPFRs, especially the tributyl phosphate (TnBP) exhibited the strongest biological potency with the least PODDRG20. Secondly, we found that structural characteristics of carbon number and logKow were significantly negatively correlated with POD, and carbon number and logKow also significantly affected lipid metabolism associated processes. Thirdly, these early biological pathways of OPFRs toxification were found to be involved in lipid metabolism, oxidative stress, DNA damage, MAPK signaling pathway, and amino acid and carbohydrate metabolism, among which the lipid metabolism was the most sensitive molecular response perturbed by most OPFRs. More importantly, we identified one resistant mutant strain with knockout of ERG2 (YMR202W) gene participated in steroid biosynthesis pathway, which can serve as a key yeast strain of OPFRs toxification. Overall, our study demonstrated an effective platform for accurately assessing OPFRs risks and provided a basis for further green OPFRs development.
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 | 0,000 |
| 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 | 0,000 |
| 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) | 0,022 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».