基于斑马鱼幼鱼的塑化剂肝毒性危害识别研究

来源 :中国食品卫生杂志 | 被引量 : 0次 | 上传用户:hbzjl001
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的 采用塑化剂邻苯二甲酸二乙基己酯(DEHP)和邻苯二甲酸二丁酯(DBP)作为阳性对照,建立斑马鱼幼鱼脂肪肝毒性风险评估模型进行塑化剂邻苯二甲酸丁酯苯甲酯(BBP)肝毒性危害识别。方法 分析DEHP和DBP暴露后斑马鱼肝脏脂肪信号强度及过氧化物酶体增殖物激活受体(PPAR)靶基因CD36的表达,初步构建斑马鱼幼鱼肝毒性模型;基于此模型对BBP进行肝毒性评价,此外采用肝脏表达绿色荧光转基因斑马鱼幼鱼进行肝密度分析、甘油三酯(TG)定量检测以及成鱼肝脏病理检查进一步验证模型的可靠性,应用基准剂量法(BMD)推导关键效应点。结果 DEHP、DBP表现出极显著诱发脂肪肝风险(均P<0.01),显著上调CD36相对表达量(P<0.001,P<0.05),提示造模成功。BBP(0.000 012 5%、0.000 025%、0.000 05%)诱发斑马鱼幼鱼显著的脂质沉积(P<0.05,P<0.001,P<0.001)、显著影响密度(P<0.05,P<0.01,P<0.01)、显著增加TG蓄积(P<0.05,P<0.05,P<0.01)、上调CD36基因表达。此外,BBP(≥0.000 012 5%)诱发斑马鱼成鱼肝脏部位脂质空泡形成、空泡间隙和数量减少,提示BBP具有明显的肝毒性。关键效应为肝脏脂肪信号强度(S),基准剂量下限(BMDL)值为0.013 mg/L。结论 本研究成功构建了一种通过肝脏脂肪信号强度来识别塑化剂肝毒性的斑马鱼幼鱼模型,结合基准剂量法进一步为塑化剂肝毒性危害识别提供科学依据。
其他文献
金融机构环境信息披露是绿色金融体系中的关键组成部分,对强化金融机构环境气候风险分析与管理能力,提升资金在绿色低碳经济中的配置效率,助力实现双碳目标和低碳经济转型发展具有重要意义。目前,国际上关于环境信息披露框架与信息管理流程以TCFD发布的环境信息披露建议为主流。本文总结了TCFD建议的一致性披露现状,对TCFD框架中的四要素和11项建议与我国的金融机构环境信息披露框架进行了对比分析,阐述了我国金
针对山东某煤矸石,采用X射线衍射、扫描电镜分析,热重分析,研究其热活化机理;结合煅烧过程中的颜色转变定义煤矸石的热活化率。结果表明:煅烧煤矸石的活性主要源自层状高岭石结构向多孔无序的偏高岭石的转变,并受到其中残余碳量的影响;相关性分析表明热活化率能很好地评价该煤矸石的活性激发程度。
<正>贵州电网有限责任公司(简称贵州电网)于2012年启动内控体系建设,构建了覆盖22个专业领域的内部控制管理体系;2013年,启动全面风险管理工作,构建了全面风险管理体系;2019年,全面启动合规管理体系建设,构建并规范了合规风险评估、合规审查、合规检查、违规调查、体系评估、年度报告等运行机制,初步完成了体系搭建。2020年以来,贵州电网对风险、内控、
以未来天基态势感知对远距离空间目标高灵敏度探测与精细三维成像的潜在需求为出发点,开展以光子灵敏探测器为核心的光子计数激光三维成像系统及关键技术研究。提出了一种基于自主研制的交叉延迟线位敏阳极微通道板探测器的光子计数激光三维成像技术。首先介绍了该技术的基本原理,并从全链路建模与成像仿真特性分析的角度对其空间应用的潜力进行了研究;之后探讨了多域联合三维超分辨重建提升系统时空分辨能力的可行性;最后研制了
为了提高工作效率,降低工作成本,我院开发设计了一套综合信息业务平台,本文首先分析了该平台建设的必要性,分析了平台开发的实现目标,最好详细介绍了平台的整体框架,以及各模块的功能。
光子计数激光雷达技术具有极高的探测灵敏度与时间分辨率,是极端条件下高精度目标信息获取的重要手段.由于该技术通过探测单光子级的回波能量实现对目标信息的三维重建,因此极易受噪声干扰,导致成像质量严重降低.基于高速电子门控的距离选通技术虽然可以有效抑制噪声,但存在参数设计依靠经验、目标检测区间窄等问题.本文提出一种在宽目标检测区间条件下的目标信息提取及三维重建方法,首先通过对三维回波信息的获取机理及其概
针对单回T型输电线路,根据其在故障情况下的正序网络提出了一种基于集中参数模型的故障测距新方法。该方法包括故障支路判定和故障测距两部分。在故障支路判定阶段,为简化故障支路判定函数,在不考虑线路对地电容作用的情况下,推导并设计了故障支路判定函数,根据该函数在各支路首末端函数值是否异号的特征,即可实现故障支路判定。另外,为保证支路首端附近和T节点附近发生故障时故障支路判定的准确性,给出了故障支路判据。在
针对当前高压直流输电线路故障定位方法中存在的问题,提出一种基于S变换组合特征能量和改进1D-CNN-GRU混合神经网络的单端智能故障定位方法。首先,对直流输电线路故障电压、电流数据分别进行S变换,提取特征频率范围内的能量;然后归一化电压、电流特征能量并构成组合能量特征向量;最后将组合能量特征向量形成的数据集输入改进的1D-CNN-GRU模型进行训练和测试,实现故障定位。结果表明,该模型具有较高的定
传统基于暂态量的故障定位方法仅利用局部故障特征,在不同故障工况下可靠性不高、适应性不强。为此,深入分析暂态电压的时频域特性,根据不同故障位置产生的暂态信息存在相似性和差异性的特点,提取暂态信号中丰富的故障特征,如各次暂态浪涌到达时间差,幅值,极性,以及各次暂态浪涌主频分量波速、低频与高频能量比,共五类故障暂态特征;基于所提取的故障暂态特征,构建故障暂态信息融合矩阵,利用波形相关系数量化分析不同故障