Conducting a battery of bioassays for gold nanoparticles to derive guideline value for the protection of aquatic ecosystems
Notice bibliographique
Résumé
Gold nanoparticles (Au-NPs) are used in many applications, including the manufacture of products like cosmetics, paints, and electrochemical immunosensors, and in the detection, diagnosis, and treatment of tumors. However, there are no legal or recommended guidelines for protecting aquatic ecosystems from Au-NPs. In this study, we conducted a battery of bioassays and present toxicity values for two bacteria, one alga, one euglena, three cladoceran, and two fish species that were exposed to Au-NPs. Guideline values for protecting aquatic ecosystems from Au-NPs were derived using methods that are generally used to derive water-quality guidelines and are used in Australia, New Zealand, Canada, the European Community (EC), and the USA. Au-NPs had adverse effects on all test species, including growth inhibition of both bacteria, the alga, and the euglena; mortality and immobilization in the three cladocerans; and developmental malformations in the embryos and larvae of the two fish. Guideline values of 0.15 and 0.04 × 1010 particles/mL were derived for Au-NPs using a species sensitivity distribution (SSD) and assessment factor. The guideline value derived for Au-NPs using an assessment factor was more stringent than that derived using SSD. This is the first study to derive guideline values for nanoparticles in water environments.
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 | 0,002 | 0,003 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».