Expanding PFAS Identification with Transformation Product Libraries: Nontargeted Analysis Reveals Biotransformation Products in Mice
Notice bibliographique
Résumé
Per- and polyfluoroalkyl substances (PFAS) are widely used persistent synthetic chemicals that have been linked to adverse health effects. While the behavior of PFAS has been evaluated in the environment, our understanding of reaction products in mammalian systems is limited. This study identified biological PFAS transformation products and generated mass spectral libraries to facilitate an automated search and identification. The biological transformation products of 27 PFAS, spanning 5 chemical subclasses (alcohols, sulfonamides, carboxylic acids, ethers, and esters), were evaluated following enzymatic reaction with mouse liver S9 fractions. Four major pathways were identified by liquid chromatography-high-resolution mass spectrometry: glucuronidation, sulfation, dealkylation, and oxidation. Class-based fragmentation rules and associated PFAS transformation product libraries were generated and integrated into an automated nontargeted PFAS data analysis software (FluoroMatch). Fragmentation was additionally predicted for the potential transformation products of more than 2,500 PFAS in the EPA CompTox Chemicals Dashboard PFASSTRUCTv4. Generated mass spectral libraries were validated by applying FluoroMatch to a data set of urine from aqueous film-forming foam (AFFF)-dosed mice. Toxicity predictions showed identified PFAS transformation products to be potential developmental and mutagenic toxicants. This research enables more comprehensive PFAS characterization in biological systems, which will improve the assessment of exposures and evaluation of the associated health impacts.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».