Mechanistic insights into antibody recognition of tetrodotoxin analogues: Implications for neurotoxicological assessment
Notice bibliographique
Résumé
Tetrodotoxins (TTXs) pose significant food safety risks due to their potent neurotoxicity. Growing concerns about the impact of these toxins on public health have driven the development of new detection methods, with immunoassays showing strong potential. However, limited knowledge of the cross-reactivity of anti-TTX antibodies with analogues may compromise the reliability of these assays in food safety applications. To address this, cross-reactivity factors (CRFs) for five TTX analogues (i.e., 11-norTTX-6(S)-ol, 11-deoxyTTX, 6,11-dideoxyTTX, 5,11-dideoxyTTX, and 5,6,11-trideoxyTTX) were assessed using a magnetic bead-based immunoassay. In parallel, the antibody's ability to neutralise the toxicity of TTX analogues was evaluated in Neuro-2a cells using automated patch clamp, a single-cell biosensing platform specifically designed for in vitro toxicity assessment and characterisation. Antibody cross-reactivity towards the tested analogues correlated with their relative toxicity, enabling a selective detection of the most hazardous compounds. These findings highlight the dual role of molecular structure in dictating both toxicological potency and immunological recognition, and support the use of immunoassays as effective tools for TTX monitoring in food safety applications.
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 | 0,001 |
| 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) | 0,001 | 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 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 ».