Comprehensive Blood Metabolome and Exposome Analysis, Annotation, and Interpretation in E-Waste Workers
Notice bibliographique
Résumé
Background: Electronic and electrical waste (e-waste) production has emerged to be of global environmental public health concern. E-waste workers, who are frequently exposed to hazardous chemicals through occupational activities, face considerable health risks. Methods: To investigate the metabolic and exposomic changes in these workers, we analyzed whole blood samples from 100 male e-waste workers and 49 controls from the GEOHealth II project (2017–2018 in Accra, Ghana) using LC-MS/MS. A specialized computational workflow was established for exposomics data analysis, incorporating two curated reference libraries for metabolome and exposome profiling. Two feature detection algorithms, asari and centWave, were applied. Results: In comparison to centWave, asari showed better sensitivity in detecting MS features, particularly at trace levels. Principal component analysis demonstrated distinct metabolic profiles between e-waste workers and controls, revealing significant disruptions in key metabolic pathways, including steroid hormone biosynthesis, drug metabolism, bile acid biosynthesis, vitamin metabolism, and prostaglandin biosynthesis. Correlation analyses linked metal exposures to alterations in hundreds to thousands of metabolic features. Functional enrichment analysis highlighted significant perturbations in pathways related to liver function, vitamin metabolism, linoleate metabolism, and dynorphin signaling, with the latter being observed for the first time in e-waste workers. Conclusions: This study provides new insights into the biological impact of prolonged metal exposure in e-waste workers.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».