网址：https://pubs.acs.org/doi/10.1021/acs.nanolett.4c01937
推文编号：EC20240041
天然和人为来源的纳米超细颗粒物（UFPs）在环境中广泛存在，这些超细颗粒物在被人类吸入后可能会造成严重的健康风险。然而，目前仍缺少用于体内追踪UFPs的技术手段，厘清UFPs在生物体内的分布、易位和代谢过程存在巨大挑战，故不利于准确清晰地认识细颗粒物的健康危害机制。基于此，本研究构建了一种无标记、机器学习辅助的单颗粒电感耦合等离子体质谱（spICP-MS）方法，并将其应用于小鼠模型中，实现了大气磁性纳米颗粒（MNPs）从环境来源到体内转运和代谢全暴露途径的定量分析和体内追踪。有趣的是，研究结果发现脾脏在各器官的MNPs代谢中占比最高，约为84.4%，而通常认知的解毒器官肝脏的占比仅约为11.4%，这表明脾脏可能在超细颗粒物的代谢中具有重要作用，后续应予以关注。此外，本研究还发现UFPs在小鼠体内不同器官间的转运过程会改变其粒径分布，进一步结合机器学习算法可预测不同来源MNPs体内暴露关键节点的粒径分布，从而准确地揭示UFPs在小鼠体内的暴露和代谢途径。本研究为深入阐明大气细颗粒物内外暴露间的关联和全面理解其生物健康风险提供了有力的新手段。
An Overview Figure（引自原文）
Weican Zhang, Shiwei Huo, Shenxi Deng, Ke Min, Cha Huang, Hang Yang, Lin Liu, Luyao Zhang, Peijie Zuo, Lihong Liu, Qian Liu, and Guibin Jiang. In Vivo Exposure Pathways of Ambient Magnetite Nanoparticles Revealed by Machine Learning-Aided Single-Particle Mass Spectrometry. Nano Letters, 2024.
https://pubs.acs.org/doi/10.1021/acs.nanolett.4c01937
“分秒学术人”栏目责任编辑:
