House dust-derived mixtures of organophosphate esters alter the phenotype, function, transcriptome, and lipidome of KGN human ovarian granulosa cells
Notice bibliographique
Résumé
Organophosphate esters (OPEs), used as flame retardants and plasticizers, are present ubiquitously in the environment. Previous studies suggest that exposure to OPEs is detrimental to female fertility in humans. However, no experimental information is available on the effects of OPE mixtures on ovarian granulosa cells, which play essential roles in female reproduction. We used high-content imaging to investigate the effects of environmentally relevant OPE mixtures on KGN human granulosa cell phenotypes. Perturbations to steroidogenesis were assessed using ELISA and qRT-PCR. A high-throughput transcriptomic approach, TempO-Seq, was used to identify transcriptional changes in a targeted panel of genes. Effects on lipid homeostasis were explored using a cholesterol assay and global lipidomic profiling. OPE mixtures altered multiple phenotypic features of KGN cells, with triaryl OPEs in the mixture showing higher potencies than other mixture components. The mixtures increased basal production of steroid hormones; this was mediated by significant changes in the expression of critical transcripts involved in steroidogenesis. Further, the total-OPE mixture disrupted cholesterol homeostasis and the composition of intracellular lipid droplets. Exposure to complex mixtures of OPEs, similar to those found in house dust, may adversely affect female reproductive health by altering a multitude of phenotypic and functional endpoints in granulosa cells. This study provides novel insights into the mechanisms of actions underlying the toxicity induced by OPEs and highlights the need to examine the effects of human relevant chemical mixtures.
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 | 0,001 | 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 | 0,002 |
| 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) | 0,001 | 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 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 ».