MétaCan
Menu
Retour à la cohorte
Enregistrement W4409140732 · doi:10.1016/j.tiv.2025.106060

Ozone and particulate matter co-exposure at the air-liquid interface: Establishing an approach to assess pollutant interactions in vitro

2025· article· en· W4409140732 sur OpenAlexafffund
Andres R. Henriquez, Marjolaine Godbout-Cheliak, Alain Filiatreault, Errol M. Thomson

Notice bibliographique

RevueToxicology in Vitro · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensHealth Canada
Organismes subventionnairesHealth Canada
Mots-clésParticulatesPollutantOzoneEnvironmental chemistryAir pollutantsEnvironmental scienceAir pollutionDiesel exhaustChemistryPhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Air pollution is a complex mixture of gases and particulates that varies spatially and temporally, making attribution of adverse effects to specific individual air pollutants a challenge. To disentangle effects of mixtures in a controlled setting, reproducible and realistic co-exposures of human-relevant models to gaseous and particulate pollutants are needed. Although air-liquid interface (ALI) exposures offer considerable promise as non-animal models for inhalation toxicity testing, a lack of studies comparing individual and co-exposures to gaseous and particulate pollutants has thus far prevented assessment of their strengths and limitations for disentangling effects of pollutant mixtures. Using an integrated ALI exposure system, we characterized the interaction between ozone and particles (25 nm fluorescent polystyrene beads) to assess effects on and reproducibility of critical physical endpoints including temperature, humidity, ozone concentration and particle deposition. Particle deposition and concentration were assessed via three independent methods: fluorescence, quartz crystal microbalance (QCM), and airborne particle count. To evaluate the acute biological effects of an air pollutant mixture in vitro , human lung type 2 epithelial-like cells (A549) were exposed at the ALI to air, ozone (O 3 ), particles, and O 3 + particles (co-exposure) for 1 h ( n = 4 independent repeats/exposure type). Cell injury and inflammation were quantified by extracellular lactate dehydrogenase (LDH) activity and release of proinflammatory cytokines (interleukin (IL)-8 and IL-6) respectively 0 and 24 h post-exposure. Exposures were effective at delivering targeted O 3 exposures under controlled temperature and relative humidity. In-well particle deposition and airborne concentration exiting the exposure system, quantified through parallel methods, were consistent, and increased in relation to aerosolized particle concentration. Levels of each pollutant were effectively maintained in the presence of the other. O 3 alone, and co-exposure to O 3 and particles, increased LDH release from A549 cells, indicating pollutant-specific cytotoxicity. In contrast, IL-8 and IL-6 release (24 h > 0 h) were not changed by exposure to the individual pollutants, but tended to increase following co-exposure. The present work establishes the utility of ALI exposure systems to disentangle individual effects of pollutants from a mixture, and highlights the importance of direct experimental characterization of dosimetry and exposure conditions. • We established air-liquid interface co-exposures to gases and particulates • Key variables such as temperature, humidity and ozone concentration were controlled across exposure scenarios • Determination of particle dose by complementary approaches showed proportionality between aerosolised concentration and deposition • Approach enabled assessment of individual and combined effects of ozone and particles on pulmonary epithelial cells

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,707
Score d'incertitude au seuil0,528

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,357
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueToxicology in VitroMême sujetAir Quality and Health ImpactsTravaux en français237 207