Factors Influencing Effects of Low-dose Radiation Exposure
Notice bibliographique
Résumé
ABSTRACT: It is now well accepted that the mechanisms induced by low-dose exposures to ionizing radiation (LDR) are different from those occurring after high-dose exposures. However, the downstream effects of these mechanisms are unclear as are the quantitative relationships between exposure, effect, harm, and risk. In this paper, we will discuss the mechanisms known to be important with an overall emphasis on how so-called "non-targeted effects" (NTE) communicate and coordinate responses to LDR. Targeted deposition of ionizing radiation energy in cells causing DNA damage is still regarded as the dominant trigger leading to all downstream events whether targeted or non-targeted. We regard this as an over-simplification dating back to formal target theory. It ignores that last 100 y of biological research into stress responses and signaling mechanisms in organisms exposed to toxic substances, including ionizing radiation. We will provide evidence for situations where energy deposition in cellular targets alone cannot be plausible as a mechanism for LDR effects. An example is where the energy deposition takes place in an organism not receiving the radiation dose. We will also discuss how effects after LDR depend more on dose rate and radiation quality rather than actual dose, which appears rather irrelevant. Finally, we will use recent evidence from studies of cataract and melanoma induction to suggest that after LDR, post-translational effects, such as protein misfolding or defects in energy metabolism or mitochondrial function, may dominate the etiology and progression of the disease. A focus on such novel pathways may open the way to successful prophylaxis and development of new biomarkers for better risk assessment after low dose exposures.
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) | 0,000 | 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 ».