Concordance between In Vitro and In Vivo Relative Toxic Potencies of Diesel Exhaust Particles from Different Biodiesel Blends
Notice bibliographique
Résumé
Diesel exhaust particles (DEPs) contribute to air pollution exposure-related adverse health impacts. Here, we examined in vitro, and in vivo toxicities of DEPs from a Caterpillar C11 heavy-duty diesel engine emissions using ultra-low-sulfur diesel (ULSD) and biodiesel blends (20% v/v) of canola (B20C), soy (B20S), or tallow–waste fry oil (B20T) in ULSD. The in vitro effects of DEPs (DEPULSD, DEPB20C, DEPB20S, and DEPB20T) in exposed mouse monocyte/macrophage cells (J774A.1) were examined by analyzing the cellular cytotoxicity endpoints (CTB, LDH, and ATP) and secreted proteins. The in vivo effects were assessed in BALB/c mice (n = 6/group) exposed to DEPs (250 µg), carbon black (CB), or saline via intratracheal instillation 24 h post-exposure. Bronchoalveolar lavage fluid (BALF) cell counts, cytokines, lung/heart mRNA, and plasma markers were examined. In vitro cytotoxic potencies (e.g., ATP) and secreted TNF-α were positively correlated (p < 0.05) with in vivo inflammatory potency (BALF cytokines, lung/heart mRNA, and plasma markers). Overall, DEPULSD and DEPB20C appeared to be more potent compared to DEPB20S and DEPB20T. These findings suggested that biodiesel blend-derived DEP potencies can be influenced by biodiesel sources, and inflammatory process- was one of the potential underlying toxicity mechanisms. These observations were consistent across in vitro and in vivo exposures, and this work adds value to the health risk analysis of cleaner fuel alternatives.
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 ».