Impact of Manganese on Neuronal Function: An Exploratory Multi-Omics Study on Ferroalloy Workers in Brescia, Italy
Notice bibliographique
Résumé
Background: There is growing interest in the potential role of manganese (Mn) in the development of Alzheimer’s Disease and related dementias (ADRD). Methods: In this nested pilot study of a ferroalloy worker cohort, we investigated the impact of chronic occupational Mn exposure on cognitive function through β-amyloid (Aβ) deposition and multi-omics profiling. We evaluated six male Mn-exposed workers (median age 63, exposure duration 31 years) and five historical controls (median age: 60 years), all of whom had undergone brain PET scans. Exposed individuals showed significantly higher Aβ deposition in exposed individuals (p < 0.05). The average annual cumulative respirable Mn was 329.23 ± 516.39 µg/m3 (geometric mean 118.59), and plasma Mn levels were significantly elevated in the exposed group (0.704 ± 0.2 ng/mL) compared to controls (0.397 ± 0.18 in controls). Results: LC-MS/MS-based pathway analyses revealed disruptions in olfactory signaling, mitochondrial fatty acid β-oxidation, biogenic amine synthesis, transmembrane transport, and choline metabolism. Simoa analysis showed notable alterations in ADRD-related plasma biomarkers. Protein microarray revealed significant differences (p < 0.05) in antibodies targeting neuronal and autoimmune proteins, including Aβ (25–35), GFAP, serotonin, NOVA1, and Siglec-1/CD169. Conclusion: These findings suggest Mn exposure is associated with neurodegenerative biomarker alterations and disrupted biological pathways relevant to cognitive decline.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».